AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
图像生成/编辑应用落地必不可少！MuLAn：首个实例级RGBA分解数据集
文章：https:arxiv.orgpdf2404.02790.pdf数据集：https:MuLAndataset.github.io文本到图像生成已经取得了令人惊讶的成果，但精确的空间可控性和prompt的保真度仍然是极具挑战性的。通常通过繁琐的prompt工程、场景布局条件或图像编辑技术来解决这一限制，这些技术通常需要手绘mask。然而，现有的工作往往难以利用场景的自然实例级组合性，因为栅格化的RGB输出图像通常是平面的。为了解决这一挑战，本文介绍了MuLAn：...数据集模型AI大模型的“心脏”算力王者归来
在数字浪潮中，AI大模型如日中天，成为科技领域的焦点。然而，在这一切背后，算力作为支撑AI大模型的基石，更是功不可没。今天，就让我们一同探讨算力的重要性，见证其王者归来的时刻。什么是算力算力的字面意思，大家都懂，就是计算能力（ComputingPower）。更具体来说，算力是通过对信息数据进行处理，实现目标结果输出的计算能力。我们人类，其实就具备这样的能力。在我们的生命过程中，每时每刻都在进行着计算。我们的大脑...人工智能AI大模型算力扩散模型如何帮助创建更好的强化学习系统
原创扩散模型以其令人印象深刻的生成高质量图像的能力而闻名，它们是流行的文本到图像模型(例如DALLE、StableDiffusion和Midjourney)中使用的主要架构。然而，扩散模型不只是用于生成图像。Meta公司、普林斯顿大学和德克萨斯大学奥斯汀分校的研究人员最近联合发表的一篇研究报告表明，扩散模型可以帮助创建更好的强化学习系统。该报告引入了一种使用基于扩散的世界模型来训练强化学习代理的技术。扩散世界模型(DWM)通过预测未来多个...扩散模型强化学习系统人工智能从AIGC到AGI，为什么我们需要更多的“技术信仰派”？
原创整理伊风采访张晓楠嘉宾巴川、朱雷、肖然出品51CTO技术栈（微信号：blog51cto）作为AIGC应用落地元年，2024开年就抛给我们一些不太好回答的问题：在以探索AGI为长期目标时，我们该坚守技术信仰吗？除了复制国外GPT4、Sora这样的成功案例，我们该如何寻求更大发展和突破？即便算力问题得以解决，算法的难题如何跨越？国内企业为什么大都部署多个大模型？为什么并非所有企业都该拥抱AIGC？前不久51CTO全新直播栏目《AIGC实战派》...AIGCAGI技术编程的“Devin AI 时代”，软件开发者的喜与忧
原创作者KeithPitt编译伊风出品51CTO技术栈（微信号：blog51cto）这篇文章的作者基思皮特（KeithPitt），是一家软件开发公司Buildkite的创始人兼CEO。2013年，他和另一位软件工程师蒂姆卢卡斯（TimLucas）创立了该公司，并致力于为技术行业提供持续集成和持续交付（CICD）平台，最近刚获得了由OneVentures和AirTree共同领投的2100万美元B轮融资。作为一名拥有20年编程经验的老手，以及作为一家服务于软件开发者的公司的首席执行官，...AI软件开发更好、更安全、更不依赖OpenAI，微软的AI新动向，推出大模型安全工具Azure AI
编译丨伊风出品51CTO技术栈（微信号：blog51cto）对生成性人工智能（generativeAI）的需求正不断增长，而对LLM安全和可靠性的担忧也变得比以往任何时候都更加突出。企业希望能确保为内外部使用而开发的大规模语言模型（LLM）能够提供高质量的输出，而不会偏离到未知领域。微软认识到这些担忧，长期以来，微软使用OpenAI的模型只能调用API，对黑盒里的秘密缺少掌控的方法。微软近期宣布推出了新的AzureAI工具，用以帮助解决大模...OpenAI微软AI来自Anthropic：如何衡量大语言模型的说服力？
原创尽管人们长期以来一直在质疑AI模型是否会在某些时候变得像人类一样具有说服力，从而改变人们的想法，但在模型规模与输出说服力程度之间的关系方面，实证研究一直有限。为了解决这个问题，研究人员开发了一种基本方法来衡量说服力，并将其用于比较三个不同世代（Claude1、2和3）以及两类模型（紧凑型模型，即更小、更快、更具成本效益的模型，和前沿型模型，即更大、更有能力的模型）的各种Anthropica模型。在每一类模型（紧凑型...大语言模型Google开源大模型新成员CodeGemma、RecurrentGemma，继Transformer后新架构Griffin诞生
原创2024年2月，Google推出了Gemma，一系列轻量级、先进的开源大模型，这些模型是使用创建Gemini模型时所使用的相同研究和技术构建的。近日，Google宣布了Gemma家族的首批新增成员，为机器学习开发者扩展了创新责任的可能性：CodeGemma用于代码补全和生成任务以及指令跟随，以及RecurrentGemma，用于研究实验的效率优化架构。新成员之CodeGemma为开发者和企业提供的代码补全、生成和聊天利用Gemma模型的基础，CodeGemma为社区带来了...Google开源大模型XAI有什么用？探索LLM时代利用可解释性的10种策略
你是否也好奇，在大模型时代，可解释性人工智能技术（XAI）有怎样的使用价值？近日，来自佐治亚大学、新泽西理工学院、弗吉尼亚大学、维克森林大学、和腾讯AILab的研究者联合发布了解释性技术在大语言模型（LLM）上的可用性综述，提出了「UsableXAI」的概念，并探讨了10种在大模型时代提高XAI实际应用价值的策略。论文题目：UsableXAI:10StrategiesTowardsExploitingExplainabilityintheLLMEra论文链接：https:arxiv.orgpdf2403...LLM模型长文本杀不死RAG：SQL+向量驱动大模型和大数据新范式，MyScale AI数据库正式开源
大模型（LLM）的浪潮已经涌动一年多了，尤其是以GPT4、Gemini1.5、Claude3等为代表的模型你方唱罢我登场，成为当之无愧的风口。在LLM这条赛道上，有的研究专注于增加模型参数，有的疯狂卷多模态……这当中，LLM处理上下文长度的能力成为了评估模型的一个重要指标，更强的上下文意味着模型拥有更强的检索性能。例如有些模型一口气可以处理高达100万token的能力让不少研究者开始思考，RAG（RetrievalAugmentedGeneration，检索增...人工智能模型史上首次，AI超越人类奥赛金牌得主！吴方法加持，30题做出27道破纪录
首位超越国际奥林匹克竞赛金牌得主的AI，刚刚诞生了！印度理工学院海得拉巴分校、图宾根AI中心、剑桥大学的研究者发现——通过「吴方法」，可以让AI变成和人类数学奥赛银牌得主同样的水平，而「AI数学大师」AlphaGeometry，则直接超越了IMO金牌得主。吴方法，是吴文俊在1970年代提出的开创性算法。经过改进后，它变得非常强大，可以解决国际数学奥林匹克竞赛30个问题中的27个！直接秒杀人类。相比之下，之前的AlphaGeometry，仅...AI奥赛国内首款AI音乐大模型一曲封神！核心技术业内首公开，爆改霉霉周杰伦效果惊艳
最近几周的震撼，是Suno给的。重磅升级的SunoV3，不断有刷屏全网的「神曲」诞生，让全世界为之疯狂。谁能想到，音乐的ChatGPT时刻，竟然就这么来了。圈内所有人都在讨论：这一波，音乐产业没准要被AI一锅端了。国内首款音乐AI来了！这不，就在上周，国内首款AI音乐生成大模型「天工SkyMusic」也正式开启内测了！各路「大神」已经开始在首页秀创作了没有灵感怎么办？产品页面甚至为你配备好了灵感话题。试玩一番后，小编再次体会...AI音乐激发大语言模型空间推理能力：思维可视化提示
原创大语言模型（LLMs）在语言理解和各种推理任务中展现出令人印象深刻的性能。然而，它们在人类认知的关键一面——空间推理上，仍然未被充分研究。人类具有通过一种被称为心灵之眼的过程创造看不见的物体和行为的心智图像的能力，从而使得对未见世界的想象成为可能。受到这种认知能力的启发，研究人员提出了“思维可视化”（VisualizationofThought，VoT）。VoT旨在通过可视化其推理迹象来引导LLMs的空间推理，从而引导后续的推理...大语言模型斯坦福学者推出专为Android移动设备打造的大模型，开源！
OctopusV22B是一个具有20亿参数的先进开源语言模型，代表着NexaAI在大型语言模型（LLMs）在函数调用方面的研究突破，特别针对AndroidAPI进行了定制。与需要潜在函数参数的详细描述（有时需要多达数万个输入标记）的检索增强生成（RAG）方法不同，OctopusV22B在其训练和推理阶段都引入了独特的功能token策略。这种方法不仅使其能够达到与GPT4可比较的性能水平，而且还显著提高了其推理速度，超越了基于RAG的方法，使其在边缘计算...大模型开源CVPR 2024 Oral：生命之树大模型
原创图1：使用CLIP目标（c）来训练一个ViTB16模型，该模型使用超过45万个不同的类标签，所有这些标签都来自生命之树的分类标签（a）。由于文本编码器是一个自回归语言模型，因此排序表示仅能依赖于高级别的分类，如类、门和界（b）。这自然导致了标签的层次表示，有助于视觉编码器学习更符合生命之树的图像表示。自然界的图像是生物信息的超丰富来源。有许多计算方法和工具，特别是计算机视觉，可以从图像中提取信息。但是，现有的...大规模多模态模型BioCLIP开源大模型可能不香了！您在微调开源大模型的时候，很可能已经泄露了您宝贵的数据！
原创如果你下载了一个大模型，你必须确认开发者没有设置后门！如果这些大模型设置了后门，他们可能会窃取你的微调数据！近日，来自ETH的研究人员发表了一篇工作，其主要的灵感来自于联邦学习中的数据窃取攻击。研究人员为大模型添加了带有后门权重的梯度，并且这些梯度编码了一个训练输入。如果一个不知道的受害者下载了这个带有后门的大模型，并在敏感数据上进行微调，新模型的权重将直接编码其中一部分的数据！该工作中的设置比联...开源大模型完美提升Stable Diffusion生成质量和效率！UniFL:统一反馈学习框架
文章链接：https:arxiv.orgpdf2404.05595github链接：https:unifl.github.io扩散模型已经彻底改变了图像生成领域，导致高质量模型和多样化的下游应用不断涌现。然而，尽管取得了重大进展，当前竞争性解决方案仍然存在一些局限性，包括视觉质量较差、缺乏美学吸引力以及推理效率低，而没有全面的解决方案。感知反馈学习，提高视觉质量；解耦反馈学习，提高美学吸引力；对抗反馈学习，优化推理速度。深入的实验和广泛的...模型框架一文回顾常见图像融合方法
背景介绍图像融合将多个源图像（可能来自不同传感器、不同视角、不同时间点）的信息整合到单一的输出图像中，这一过程旨在通过有效合并各源图像中的互补、冗余或独特信息，生成一个既包含所有关键细节又具有增强特性的综合图像。例如对多帧不同曝光设置下的图像融合可以实现高动态范围（HDR）效果，对多帧不同焦段的图像进行融合可以得到大景深的图像，多张连续拍摄的相同环境下的图片可以有效降低图像中的噪点并提升整体画质，...图像融合2023年图灵奖揭晓！普林斯顿数学教授，成史上首位阿贝尔奖双料获奖者
2023年图灵奖，刚刚揭晓！获得这届「计算机界诺贝尔奖」——ACMA.M.图灵奖的，就是普林斯顿高等研究院数学学院的教授AviWigderson。表彰的是Wigderson在计算理论领域的开创性贡献，特别是他对计算中随机性角色的重新定义，以及他在理论计算机科学领域数十年的引领。不仅如此，这一荣誉也使AviWigderson成为了，历史上第一位同时获得图灵奖和阿贝尔奖的人。阿贝尔奖被视为数学领域的最高荣誉Wigderson是普林斯顿高级研究院数学学...计算科学阿贝尔奖超越GPT-4V，苹果多模态大模型上新！
一句话Siri就能帮忙打开美团外卖下订单的日子看来不远啦！4月8日，苹果发布了其最新的多模态大语言模型（MLLM）——FerretUI，能够更有效地理解和与屏幕信息进行交互，在所有基本UI任务上都超过了GPT4V！论文地址：https:arxiv.orgpdf2404.05719.pdf虽然苹果前段时间经历了泰坦项目的沉没，但看目前的形式，这是又要开卷的节奏呀不少人十分期待，这项技术如果在苹果的Siri上，Siri岂不是要变得聪明绝顶了！众所周知，通...模型 苹果
