AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
码住！四款AI神器点燃你的创意火花
精华随着数字技术的快速发展，人工智能（AI）已经深刻地影响了我们的生活和工作方式。然而，在这个信息爆炸的时代，许多强大而实用的AI工具还未被广泛认识，许多宝藏尚待挖掘。今天将向大家介绍几款鲜为人知但非常出色的AI工具，它们不仅能够显著提高工作效率，还能激发创意灵感。如果你在寻找新的数字工具来提升自己的工作和生活质量，那么这些AI工具值得一试。Eluna.ai这是一个由AI驱动的文生图平台。Eluna.ai是一个功能强大的AI...AIAI绘画GPT4VSealTool：Agent微调与评测的开源项目（14k样本，4k工具），比ToolBench等更全面！
大型语言模型（LLMs）在多种任务中展现了强大的能力，研究者尝试将其作为代理，通过使用外部工具或插件帮助用户完成任务。为了提高LLMs的工具理解和使用能力，需要准备高质量的工具学习数据集。现有的工具学习数据集存在一些限制：例如工具数量有限、评估方法不精确或成本高昂。提出了一种自指导（selfinstruct）方法，通过LLMs生成工具和实例。该方法首先生成不同领域的工具，然后生成调用这些工具的实例，包括单工具实例和多...SealToolAgent微调Sam Altman：GPT-4o幕后揭秘，GPT-5会很特别
5月16日，OpenAI首席执行官SamAltman接受了，硅谷著名风险投资公司红点（Redpoint）的董事兼总经理LoganBartlett专访。本周二，OpenAI重磅发布了可跨文本、视频、音频推理的多模态大模型GPT4o，其多元化的玩法、低延迟以及拟人化的声音，让11年前的科幻电影《Her》成为现实，人人都能拥有一个超强语音AI助手，似乎人类离AGI又更近了一步。下面，「AIGC开放社区」根据这部46分钟的专访视频，以问答和解读的方式为大家整理所有主...GPT-4oAI在 DUCKDB 中构建人工智能驱动的搜索功能
TLDR本文将展示如何使用DuckDB的数组类型和余弦相似度函数实现高效的基于文本嵌入的向量搜索，并通过电影数据集实例演示其应用。简介现在，许多分析任务涉及文本数据，例如电子商务商店的产品评论。这些任务包括但不限于分类、聚类和相似性比较。它们主要使用文本数据的向量嵌入表示来实现矢量搜索功能。DuckDB提供了Array[2]和List[3]数据类型，可以用来存储和处理向量嵌入，以实现向量搜索。在这个系列博客的第一篇中，我们将...人工智能驱动DUCKDB从构思到成稿：全网最全的论文流程和指令
原创撰写一篇高质量的学术论文是一项既复杂又耗时的任务。这个过程涉及到构思、研究、撰写以及最后的修改，每一步都需要大量的精力和时间投入。幸运的是，借助ChatGPT，我们可以在论文写作的各个阶段获得有效的帮助。本文以“人工智能对工作的影响”为题，详细介绍如何利用ChatGPT在论文写作的九个不同阶段中提高效率，以确保论文的质量和学术价值得到提升。无论你是在寻找写作灵感、需要专业的评审意见，还是希望优化论文的结构，...ChatGPTAILLM CoT的工作原理
思维链（CoT：ChainofThought）常常作为增强大模型推理能力的利器，但大模型推理能力的提升多大程度上来自人为任务拆解？还是额外提示的Token激发了背后更强大的计算？“让我们逐步思考：Transformer语言模型中的隐藏计算”[文献1]发现了一个有趣的现象，通过在思维链中添加无意义的中间Token（例如“……”）可以解决无中间Token时没法完成的较难的两个算法任务。文献的结论是：添加额外Token就可以增强大模型推理，甚至可以...LLMCoT框架新一代智能助手GPT-4o与Project Astra孰弱孰强，OpenAI与谷歌拉开竞赛帷幕
这两天我们见证了OpenAI、谷歌两巨头激烈的碰撞，二者竞争几乎白热化。14日，OpenAI凭借其GPT4o模型，以语音和视频交互的全新方式，挑战传统的界限。15日，谷歌在2024年的IO发布会上展示了ProjectAstra以及Gemini系列模型的最新进展，意图巩固其在搜索和AI领域的霸主地位。这场应用与技术的较量，不仅是对人工智能如何融入我们生活的一次深入试水，更是对巨头之间AI之战的一次预演。2024年的GoogleIO发布会，是在一个特殊的时刻...GPT-4oOpenAI谷歌极佳、中科院等9机构联合首发 | 3万字长文全面解析世界模型(内容生成/自动驾驶等)
精华文章链接：https:arxiv.orgpdf2405.03520项目链接：https:github.comGigaAIresearchGeneralWorldModelsSurvey通用世界模型通过预测未来来增进对世界的理解，是实现通用人工智能（AGI）的一个基本途径，极佳科技（GigaAI）最新发布了一篇关于世界模型的调研报告，让我们一起来学习下。这篇调查报告探讨了世界模型领域的最新进展，其中引人关注的"Sora模型"以其出色的模拟能力而备受瞩目，展现了对物理定律的初步理解。这里深入...自动驾驶模型KubeAI大模型推理加速实践
一、背景最近我们在生产环境批量部署了大模型专用推理集群，并成功让包括70B在内的大模型推理速度提升50%，大幅缩减部署成本，稳定应用于生产环境。本文基于我们在部署大模型推理集群时的一些经验，分享一些有效提升大模型的推理速度方法。最后，我们在结尾处推荐了几个经过我们评测且表现优异的大模型推理框架。希望这些建议能帮助读者在项目中选择适合自己的推理框架。OpenAI的科学家HyungWonChung在2023年的公开演讲《LargeL...KubeAI大模型集群GPT-4o：实现跨越文本与视觉的智能交互
原创摘要OpenAI最新发布的GPT4o模型及其在多模态处理上的卓越能力，标志着人机交互迈向新的高度。GPT4o能够处理文本、音频、图片和视频，响应速度极快，且在多语言处理上表现优异。本文通过具体的应用实例和对比测试，展示了GPT4o在问答系统和图像理解方面的实际应用，并提供了详细的集成方法和代码实现。无论是个人用户还是企业开发者，都能通过GPT4o体验到更智能、更自然的人机交互。GPT4的发布及其特性OpenAI最近发布了GPT4o(“o...GPT-4oOpenAI模型如何构建终极的AI自动化系统：多代理协作指南
自GPTResearcher首次发布以来，仅仅一年时间，构建、测试和部署AI代理的方法已经取得了显著进步。从最初的zeroshot或fewshotprompting，迅速发展到代理的functioncalling、RAG，再到现在的Agent工作流（也称为flowengineering）。吴恩达最近指出：“我认为AI代理工作流今年将推动巨大的AI进步，甚至可能超过下一代基础模型。这是一个重要的趋势，我鼓励所有从事AI工作的人士关注。”在本文中，你将了解到为什么多Agent工作流是...AI自动化系统OpenAI“宫斗”番外！首席科学家Ilya官宣离职，参与驱逐奥特曼“宫斗”后沉寂5月首发声！
原创编辑伊风出品51CTO技术栈（微信号：blog51cto）谷歌IO大会的主题演讲刚刚结束四个小时。正当人们把目光从GPT4o中恋恋不舍地移开，转到Gemini上时。OpenAI又跑来“搞事”了！自之前“宫斗”后就行踪成谜的首席科学家IlyaSutskever，在X上宣布自己将离职，投入到一个对自己有意义重大的新项目中，并可能在时机合适时透露相关细节！紧接着，奥特曼也发文表达了对Ilya的感谢与不舍，并宣布将由JakubPachocki接棒担任OpenAI的首席科...OpenAIIlya离职ICML 2024 | 大语言模型预训练新前沿：「最佳适配打包」重塑文档处理标准
在大型语言模型的训练过程中，数据的处理方式至关重要。传统的方法通常通过将大量文档拼接并切分成等同于模型的上下文长度的训练序列。这虽然提高了训练效率，但也常导致文档的不必要截断，损害数据完整性，导致关键的上下文信息丢失，进而影响模型学习到的内容的逻辑连贯性和事实一致性，并使模型更容易产生幻觉。AWSAILabs的研究人员针对这一常见的拼接分块文本处理方式进行了深入研究，发现其严重影响了模型理解上下文连贯性...模型训练GPT-4o再秀神操作，“复现”OpenAI总裁讲课，网友当真了
精华OpenAI总裁兼联合创始人Greg再次大秀GPT4o操作，结果网友直接缅怀DALLE。直接看效果。文本拼写达到惊人的一致！手部细节、光照全都有，甚至后背上的Logo也完全正确。有网友表示：恍惚间还以为真的是本人在讲课。也有人感叹图像生成技术发展的飞跃：HolyCow！从完全破碎的文本到风格一致、拼写正确的写作，只用了一次迭代。GPT4o让网友直接缅怀DALLEGPT4o发布以来，简直就被玩儿疯了，尤其是图像生成这块。比如有网友发现，GPT4o...GPT-4o图像生成多模态视觉-语言大模型的架构演进
本文回顾了多模态LLM(视觉语言模型)近一年来的模型架构演进，对其中有代表性的工作进行了精炼总结，截止2024.04，持续更新ing...ASurveyonMultimodalLargeLanguageModels（arxiv.orgabs2306.13549）AwesomeMultimodalLargeLanguageModels（github.comBradyFUAwesomeMultimodalLargeLanguageModels）这篇综述一张图总结了多模态LLM的典型架构：BLIP【2022.01发布】https:arxiv.orgabs2201.12086统一视觉语言理解和生成，使用capt...语言模型架构迈向统一扩散框架！Adobe提出RGB↔X：双重利好下游编辑任务 | SIGGRAPH'24
文章链接：https:arxiv.orgpdf2405.00666最近的研究表明，现实前向渲染、逐像素反向渲染和生成图像合成这三个领域可能看起来是独立且不相关的图形和视觉子领域。然而，最近的工作已经证明了基于扩散架构的对每个像素的固有通道（反照率、粗糙度、金属度）的估计的改进；将其称为RGB→X问题。进一步表明，基于固有通道合成真实图像的反向问题，X→RGB，也可以在扩散框架中解决。在室内场景的图像领域，引入了一个改进的RGB→X扩...图像模型谷歌发布Veo：文生超1分钟、1080P视频，媲美Sora
5月15日，谷歌召开“IO2024”大会，并宣布了100多种产品和大模型。其中，有两款产品令人印象深刻，一个是支持跨文本、视频、音频的多模态AIAgent—ProjectAstra；另外一个便是视频模型Veo。据悉，Veo支持文本生成超过1分钟的1080P超高清视频，在文本语义还原、视频动作一致性方面、运镜、帧与帧之间的连贯性、场景切换、光影效果等，可媲美OpenAI的Sora。不过，Sora发布至今已经3个月了一直处于内测阶段，公测遥遥无期。而谷歌...模型生成与机器对话：揭示提示工程的十个秘密
原创提示工程是说服机器做人类想做之事的最新艺术。本文是关于编写LLM提示必知的10件事。提示的力量十分神奇，我们只需抛出几个近似人类语言的单词，就能得到一个格式和结构都良好的答案。没有什么话题是晦涩难懂的，没有什么事实是触不可及的。至少只要它是训练语料库的一部分，并得到模型的影子控制器(ShadowyController)的批准，我们都能通过简单的提示获取到答案。然而，一些人已经开始注意到提示的魔力并非绝对的。我们的提示...大型语言模型LLM人工智能LLM落地淘宝电商搜索场景，显著提升长尾query改写效果
LLM是目前学术界研究的热点，同时工业界也在快速探索LLM在业务中的落地。本篇文章给大家介绍来自WWW24的一篇文章，介绍了淘宝电商将LLM用在了搜索场景中的query改写上，精心构建的领域特定数据集对LLM进行finetue，定义三种不同的优化目标并使用PreferenceRankOptimization损失学习候选之间的偏序关系，极大的解决了长尾query中的“fewrecall”问题。论文标题：LargeLanguageModelbasedLongtailQueryRewritinginTaobaoSearch下...LLMquery场景6行代码入门RAG开发
什么是RAG？检索增强生成（RAG）是指对大型语言模型输出进行优化，使其能够在生成响应之前引用训练数据来源之外的权威知识库。大型语言模型（LLM）用海量数据进行训练，使用数十亿个参数为回答问题、翻译语言和完成句子等任务生成原始输出。在LLM本就强大的功能基础上，RAG将其扩展为能访问特定领域或组织的内部知识库，所有这些都无需重新训练模型。这是一种经济高效地改进LLM输出的方法，让它在各种情境下都能保持相关性、准...RAG开发代码
