AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
告别偏科，能玩转多模态、多任务、多领域的强化智能体终于来了
随着Llama3发布，未来大模型的参数量已飙升至惊人的4000亿。尽管每周几乎都有一个声称性能超强的大模型出来炸场，但AI应用还在等待属于它们的「ChatGPT时刻」。其中，AI智能体无疑是最被看好的赛道。就连吴恩达都说，GPT4加上AI智能体，可能提前达到GPT5的效果。不过，我们熟知的智能体往往有点「偏科」。例如，第一个AI软件工程师Devin，专精于代码。会打游戏的智能体往往也只能在某一个游戏里秀操作。寻找一个能够同时擅长多...智能体AI低成本LLM应用开发利器——开源FrugalGPT框架
原创本文将详细介绍一个LLM驱动型应用程序的成本节约架构FrugalGPT。大型语言模型为计算机科学开辟了一个新的前沿；然而，它们（截至2024年）的运营成本远远高于计算机科学中的其他任何产品。对于希望将运营成本降至最低的公司来说，这是一个严重的问题。论文《FrugalGPT：如何在降低成本和提高性能的同时使用大型语言模型》（https:arxiv.orgabs2305.05176）介绍了一种在保持质量的同时显著降低运营成本的框架。如何衡量LLM的成本...FrugalGPT大型语言模型LLMOpenAI神秘搞事，GPT-4.5默默上线？推理碾压GPT-4网友震惊，奥特曼笑而不语
精华就在昨夜，一个名为「gpt2chatbot」的模型杀出重围，让所有人都疯狂了！在LLM竞技场chat.lmsys.org上，这个神秘模型展现出了莫名强大的能力，甚至直接超越GPT4，实在令人震惊。它的自述显示：「我是基于OpenAI的GPT4架构的语言模型，版本日期截至2023年11月」它的真正身份是谁？是谁做出来的？目前无人知晓。大家纷纷展开猜测：这要么是一个新的开源模型，要么就是OpenAI的GPT4.5？面对激动讨论着的网友们，SamAltman也很合时宜...模型奥特曼ICLR 2024：思维框架
原创本工作旨在减少大型语言模型（LLMs）的端到端生成延迟。高生成延迟的主要原因之一是几乎所有最先进的LLMs都采用了顺序解码方法。在这项工作中，受到人类思考和写作过程的启发，研究人员提出了思维框架（SoT），它首先指导LLMs生成答案的骨架，然后进行并行API调用或批处理解码以并行完成每个骨架点的内容。SoT不仅可以显著加速12个LLMs的速度，而且还可以潜在地提高几个问题类别的答案质量。SoT是对推理效率进行数据中心优化的...大型语言模型在12个视频理解任务中，Mamba先打败了Transformer
探索视频理解的新境界，Mamba模型引领计算机视觉研究新潮流！传统架构的局限已被打破，状态空间模型Mamba以其在长序列处理上的独特优势，为视频理解领域带来了革命性的变革。来自南京大学、上海人工智能实验室、复旦大学、浙江大学的研究团队发布了一项开创性工作。他们全面审视了Mamba在视频建模中的多重角色，提出了针对14种模型模块的VideoMambaSuite，在12项视频理解任务中对其进行了深入评估。结果令人振奋：Mamba在视频专...评估模型全球首次，湿实验证实！上交成功实现「蛋白质功能定向进化」，零数据跨入AGI时代
近日，上海交通大学自然科学研究院物理与天文学院张江高等研究院洪亮课题组，在生物信息学和人工智能研究领域的国际权威学术期刊JCIM（JournalofChemicalInformationandModeling）上发表最新研究成果：“基于微环境感知图神经网络构建指导蛋白质定向进化的通用人工智能”（ProteinEngineeringwithLightweightGraphDenoisingNeuralNetworks）。在此项研究中，该团队设计了一种微环境感知图神经网络ProtLGN，能够从蛋白质三维结构...蛋白模型苹果推出理解、转化模型ReALM，性能超GPT-4
苹果的研究人员推出了一种创新模型ReALM，可将参考解析问题转化为语言建模问题，能极大提升AI助手处理很多描述复杂或模糊不清的内容。例如，我们网购时选好了橘子、鸭梨、苹果、橘子汽水、洗发水、短袖、拖鞋等物品，然后告诉AI助手只结算水果。这时传统的AI助手可能会将橘子和橘子汽水混淆进行一起结算。而ReALM模型会重建手机或者PC等平台上的屏幕关键信息，并将其转化成一种可理解的文本，再用大语言模型去解读用户的需求，...苹果模型想了解Prompt 技术？看这篇就够了！
最近看了MetaPrompt，发现Prompt的技术已经发展了几代了。真的要好好梳理一下了。首先是官方有一个自己的Promptengineer，这个是一定要认真学习的。https:platform.openai.comdocsguidespromptengineering官方建议：写作清晰的指令要在查询里提供足够的相关信息要求模型有一个角色用截止符清晰的区分输入的不同部分指定不同的步骤来完成任务提供样例指定的输出长度提供参考资料指导模型用参考资料回答问题指导模型用参...LLM模型LLM和RAG技术的比较探索
原创作者AshokGorantla整理言征出品51CTO技术栈（微信号：blog51cto）在人工智能（AI）的动态环境中，两种开创性的技术——大型语言模型（LLM）和检索增强生成（RAG）——在理解和生成类人文本方面脱颖而出。本文开始了LLM和RAG之间的比较之旅，揭示了它们的机制、应用以及它们为人工智能领域提供的独特优势。一、大型语言模型（LLM）：基础与应用LLM，如GPT（GenerativePretrainedTransformer），凭借其在广泛的主题中生成连贯和上...LLMRAG技术OpenAI也要做搜索？传SearchGPT将迎击谷歌核心业务！OpenAI与金融时报新协议已定，将进行链接和引用
原创整理伊风OpenAI也要杀入AI搜索领域分一杯羹？非常可能！毕竟连SearchGPT的入口已经准备好了！图片X平台上网友甚至还发现了SearchGPT的medo视频！OpenAI凭借自身的技术积累，如果真的进入搜索应用业务，必然会引起整个AI搜索领域的大震动！此前，PerplexityCEO还在采访中表示，“谷歌搜索业务有如此大的现金牛要保护，所以我们和他们竞争感到很自在”。那与OpenAI这样的庞然大物正面开战必然是个让人浑身不自在的消息。1.OpenAI...OpenAISearchGPT搜索谷歌之外，值得考虑的八大AI搜索引擎
原创生成式AI造就了拥有独特功能和优点的新型搜索引擎平台，这对谷歌的霸主地位构成了挑战。数字领域处于不断变化的状态，搜索引擎也不例外。如今，搜索引擎已经不仅仅提供网页链接，现在它们被设计成提供一系列功能特性，比如摘要概述、图像生成、交互式研究模式和问答聊天机器人。这样一来，在互联网上进行研究、学习和发现变得容易多了。虽然谷歌长期以来一直是搜索引擎领域的霸主，但人工智能（AI）的出现为提供独特功能和优点...AI搜索引擎Perplexity AISora爆火短频“气球人”制作者亲述优缺点：视频其实都是专业制作，Sora占一小部分；一致性不能很好控制
原创整理言征OpenAI的视频生成工具Sora在2月份让业界大吃一惊，其流畅、逼真的视频似乎远远领先于竞争对手。然而这场精心策划的首次亮相，留给了大众太多不为人知的细节。近日，OpenAI大火的宣传短片的制作团队之一的ShyKids接受了媒体采访，并分享了自己作为少数最早使用Sora技术的视频创作者的酸甜苦辣。OpenAISora宣传短片之一（AirHead气球人）ShyKids是一个位于多伦多的数字制作团队，被OpenAI选为少数几个主要出于OpenAI宣传...Sora视频版权「专业智能体指导」让小模型学会数学推理！微调Mistral-7B实现86.81%准确率
对于小型语言模型（SLM）来说，数学应用题求解是一项很复杂的任务。比如之前有研究结果显示，在GSM8K基准测试中实现80%以上准确度所需的最小模型尺寸为340亿个参数。为了在较小的模型上达到这种性能水平，研究人员经常训练SLM来生成Python代码或使用外部工具作为辅助，以避免计算错误。或是基于集成（ensembling）技术，将100多个模型生成的输出组合在一起，以获得更准确的结果，最终结果的选择需要通过共识、多数表决或与SLM结...训练模型LLM上下文窗口突破200万！无需架构变化+复杂微调，轻松扩展8倍
大型语言模型（LLM）往往会追求更长的「上下文窗口」，但由于微调成本高、长文本稀缺以及新token位置引入的灾难值（catastrophicvalues）等问题，目前模型的上下文窗口大多不超过128k个token最近，MicrosoftResearch的研究人员提出了一个新模型LongRoPE，首次将预训练LLM的上下文窗口扩展到了2048k个token，在256k的训练长度下只需要1000个微调步骤即可，同时还能保持原始短上下文窗口的性能。论文链接：https:arxiv.orgabs...模型AI人大系多模态模型迈向AGI：首次实现自主更新，写真视频生成力压Sora
在4月27日召开的中关村论坛通用人工智能平行论坛上，人大系初创公司智子引擎隆重发布全新的多模态大模型Awaker1.0，向AGI迈出至关重要的一步。相对于智子引擎前代的ChatImg序列模型，Awaker1.0采用全新的MOE架构并具备自主更新能力，是业界首个实现“真正”自主更新的多模态大模型。在视觉生成方面，Awaker1.0采用完全自研的视频生成底座VDT，在写真视频生成上取得好于Sora的效果，打破大模型“最后一公里”落地难的困境。Awake...模型AICVPR 2024 | 文本一键转3D数字人骨骼动画，阿尔伯塔大学提出MoMask框架
想象一下，你仅需要输入一段简单的文本描述，就可以生成对应的3D数字人动画的骨骼动作。而以往，这通常需要昂贵的动作捕捉设备或是专业的动画师逐帧绘制。这些骨骼动作可以进一步的用于游戏开发，影视制作，或者虚拟现实应用。来自阿尔伯塔大学的研究团队提出的新一代Text2Motion框架，MoMask，正在让这一切变得可能。MoMask框架是基于多层离散化动作表示的，利用生成式掩码技术，能够生成更高质量的3D人体动作。如视频1中展示...数字人3DSora大片真相：人工特效参与，被指误导大众
啊？Sora火爆短片《气球人》，也“造假”了？？？背后艺术家团队的最新揭秘，可谓一石激起千层浪：原来，视频画面并非完全由AI生成，其中有大量视觉效果需要人类后期实现。belike：这下网友不干了，合着大家伙儿跟OpenAI玩真心，OpenAI背后却耍起心眼子来了：他们含糊其辞，就是希望观众认为短片完全是AI生成的，这是不是有点不诚实了啊。这不是人工智能生成的视频，而是使用了一些AI技术的视频。还有网友直接开喷：误导性营销...SoraAI生成Microsoft提出FILM-7B，解决大模型lost-in-the-middle问题，达到GPT-4-Turbo水平！
尽管许多大型语言模型（LLMs）能够处理长篇输入，但它们仍然难以充分利用长文本中的信息，这被称为“中间丢失（lostinthemiddle）”挑战。这个问题可能是源于长文本训练期间缺乏明确的监督，未能强调长文本中任何位置都可能包含关键信息。基于这一直觉，提出了一种名为INformationINtensive（IN2，信息密集）训练的方法，这是一种纯粹的数据驱动解决方案，用以克服“中间丢失”的问题，达到GPT4Turbo同等水平！探测结果表明，IN...FILM-7B模型GPT-4TELA: 最先进文本描述生成3D穿衣人体方案！支持虚拟试衣，上海AI Lab&网易等联合发布
精华论文链接：https:arxiv.orgpdf2404.16748今天和大家分享的这个工作，核心是解决了从文本描述生成3D穿着衣物的人体的任务。先前的工作通常将人体和衣物编码为一个整体模型，并在单阶段优化中生成整个模型，这使得它们在进行服装编辑时困难重重，同时失去了对整个生成过程的细粒度控制。为了解决这个问题，本文提出了一种分层式的穿着人体表示方法，结合渐进优化策略，可以生成解耦的3D人体模型，同时提供对生成过程的控制能力。...模型生成AI如何改变世界？智能化决策与预测让企业轻松赢利！
01智能化决策与预测AI能够处理和分析大量的数据，从中提取有用的信息，进而做出智能化的决策和预测。这使得企业可以更加精准地把握市场趋势，优化运营策略，提高效率和盈利能力。同时，AI也帮助政府和社会机构更好地制定政策和规划，以满足人民的需求。02自动化与效率提升AI技术可以实现许多任务的自动化，包括生产线上的制造、物流配送、客户服务等。这不仅提高了工作效率，降低了人力成本，还使得一些复杂和高风险的任务得以...AI智能化自动化
