AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
大模型能否成为预言家？使用Transformer来进行时序预测可还行？
大语言模型的成功充分证明了Transformer架构的先进性，越来越多的人希望把它应用到其它领域，而非NLP领域本身，因而也催生了以一套Transformer架构统一各种模态的研究热点。而在工业界有一个非常常见的场景却鲜有涉及，那就是结构化数据的时序预测类场景，通常认为这种方式利用统计和经典回归类模型就已经足够了，并且确实在过去的研究来看，以Transformer为代表的，在NLP，CV等方面大杀四方的深度学习模型在这方面表现也并不够...模型预测时序CVPR 2024 | 擅长处理复杂场景和语言表达，清华&博世提出全新实例分割网络架构MagNet
指代分割(ReferringImageSegmentation，RIS)是一项极具挑战性的多模态任务，要求算法能够同时理解精细的人类语言和视觉图像信息，并将图像中句子所指代的物体进行像素级别的分割。RIS技术的突破有望在人机交互、图像编辑、自动驾驶等诸多领域带来革命性变革。它能够极大地提升人机协作的效率和体验。尽管目前最先进的RIS算法已经取得了显著进展，但仍然面临着模态差异(modalitygap)的问题，即图像和文本特征的分布并未完全对齐...网络架构研究不会吧！不会吧！不会吧！阿里已经火到国外的 Emo 模型，你不会还没玩过吧~
啊，刷爆外网的EMO模型它终于来了！！！上传一张照片，就能让照片里的人开口唱歌、说话、甚至讲段子。试了一下，效果还是相当不错，嘴型对得也很好，不愧是阿里出品的。它能够根据单一的参考图像和音频输入，直接生成具有丰富表情和多样头部姿势的虚拟角色视频，实在太好玩了。那在哪玩呢？由于内测太过火爆了，目前已经全量上架到通义千问App上，大家手机下载即可玩，快耍起来！先来试试，我们先用AI生成一张小姐姐的照片（这...Emo模型AIAI研发革命：API可视化测试新体验
当独立的API相互连接时，它们变得极为强大。无论是与外部客户的互动、内部使用还是常规的端到端测试，几乎所有的在线交互实际上都是由相互连接的API网络构成的“流程”。这种相互连接是数字产品体验的核心。与API的强大能力相提并论，大型语言模型（LLMs）展现出了令人瞩目的推理能力，它们在解决问题时的迭代思维过程与人类非常相似。LLMs在进行重复迭代时展现出的能力，使其成为计算推理中的强大工具，特别是在形成“流程”的...AI研发APISam Altman：GPT-5，将会比现在的大模型更智能
精华4月25日晚，斯坦福大学日报消息，OpenAI联合创始人兼首席执行官SamAltman，在斯坦福大学的英伟达（NVIDIA）礼堂进行了公开演讲，超过1000名学生排队参加此次活动。Altman表示，从现在的技术创新和功能迭代来看，人类远远没有达到AI的极限，如果只是聚焦现在的AI能力将会是徒劳的。一年前，OpenAI发布GPT4模型时，全世界陷入疯狂，认为将彻底改变很多行业的工作模式。如今我们回头再看GPT4，经常会讥讽地说，“它看起来好蠢啊GPT...GPT-5AIOpenAI CEO奥特曼25日最新演讲：只专注于AI局限性的创业者必死！AI也不会违背商业的定律
原创出品51CTO技术栈（微信号：blog51cto）就在昨天，黄教主亲手交付了OpenAI全球首块AI超级芯片DGXH200的当天，Sam马不停蹄就前往斯坦福大学的英伟达（NVIDIA）礼堂进行了公开演讲。图片SamAltman4月25日在斯坦福大学发表演讲，分享了他对人工智能未来的见解。Linkin上一位名为“WanrongHe”的斯坦福学生分享了从他富有启发性的演讲中得到的一些关键收获：一、人工智能的快速发展1.继GPT4之后的下一个人工智能模型将更加强大，这表...OpenAI奥特曼AI百度前总经理打造，AI硬件Rabbit R1交卷了！能否超越AI Pin被“群嘲”命运？
原创出品51CTO技术栈（微信号：blog51cto）整理伊风RabbitR1，到货了！海外媒体和科技博主纷纷发出对这只“橙色兔子”的测评！鉴于AIPin到货后掀起的一阵“吐槽”狂潮，不禁让人为同为AI硬件定位的RabbitR1捏一把冷汗。不过无论结果如何，RabbitR1取得的成绩已经远超创始人JesseLyu的预料。他曾保守地估计RabbitR1首日的销量只有500，但最终狂卖了18000台。JesseLyu，吕骋，拥有诸多硬件设计的经历，同时是一位敢于“折腾”的连续创...百度AI硬件大语言模型强化的多智能体如何使教育等关键领域受益？
近日，研究人员发布了🚀MathVC🚀，一个“虚拟课堂”，其中包含多个🤖大语言模型（LLM）模拟的学生角色🤖，与人类学生讨论并共同解决数学问题，旨在为他们提供另一个练习数学建模技能的场所。该系统目前仅针对中学教育。网站:https:murongyue.github.ioMathVC.github.io论文:https:arxiv.orgpdf2404.06711.pdf代码和演示（尚未发布）：https:github.comMurongYueMathVC开发MathVC的首要问题在于，大语言模型如何模拟像现实中的中...大语言模型简单、快速、低成本、强大！高分辨率图像生成扩散外推方法CutDiffusion发布！
精华文章：https:arxiv.orgpdf2404.15141代码：https:github.comlmbxmuCutDiffusion将大预训练的低分辨率扩散模型转换以满足更高分辨率需求，即扩散外推，显著提高了扩散适应性。本文提出了无调优的CutDiffusion，旨在简化和加速扩散外推过程，使其更具成本效益并提高性能。CutDiffusion遵循现有的基于patch的外推方法，但将标准的patch扩散过程分为一个初步阶段，专注于全面的结构去噪，以及一个后续阶段，专注于特定细节的改进。...扩散模型【春“码”盎然学习季】春日生发，宜学习，宜进阶，宜赢取春日好礼！
春“码”盎然学习季开奖啦！以下为本次活动获奖名单，请于三日内将收货信息发给51CTO小助手（微信号：assistant51cto），包括收货姓名、收货电话、收货地址等。极速先锋获奖用户好运锦鲤获奖用户参与方式1参与方式2暮然回望刘小嫩毛毛的深秋纳西木子木兆lvguoeryangyang123yangyang123畅哥爱唱歌湾湾大眼萌叔误会一场钢笔心小屁孩baoxiz暮然回望yangyang123湾湾木子木兆钢笔心中奖的小伙伴赶紧微信联系51CTO小助手哦！以下为活...GoogleAICloud华人持续炸场！8倍于SOTA模型发布，超分辨率细节还原度逆天，终于可以看清楚蜘蛛网丝了！
原创撰稿言征出品51CTO技术栈（微信号：blog51cto）Sora带火了“视频一致性”的研究，但单纯在时间一致性已经不能满足业内对于高逼真视频的渴望。这不，华人又出来炸场了！近日，一个名为VideoGigaGAN的视频模型在业界走红。超分辨率电影镜头，不用等Sora了！图片据介绍，目前VSR（视频超分辨率）领域有两大难题：一个挑战是保持输出帧之间的时间一致性。第二个挑战是在上采样帧中生成高频细节。这篇论文主要的就是第二个问题。针对...SOTA模型标签Llama 3没能逼出GPT-5！OpenAI怒“卷”To B战场，新企业级 AI 功能重磅推出！
原创编译伊风出品51CTO技术栈（微信号：blog51cto）Meta是本周当之无愧的AI巨星！刚刚推出的Llama3凭借着强大的性能和开源生态的优势在LLM排行榜上迅速跃升。按理说，Llama3在开源的状态下做到了GPT3.7的水平，必然会显得用户（尤其是企业用户，他们更具备独立部署Llama3的能力）花钱买来的GPT4没那么香了。网友于是纷纷拱火，“鼓励”OpenAI交出GPT5，才能继续稳坐大模型王位。不单单是网友，就连OpenAI的研究员也有点坐不住了，跑...Llama 3GPT-5OpenAI8B文字多模态大模型指标逼近GPT4V，字节、华师、华科联合提出TextSquare
近期，多模态大模型(MLLM)在文本中心的VQA领域取得了显著进展，尤其是多个闭源模型，例如：GPT4V和Gemini，甚至在某些方面展现了超越人类能力的表现。但是开源模型的性能还远远落后于闭源模型，最近许多开创性的研究，例如：MonKey、LLaVAR、TGDoc、ShareGPT4V等已开始关注指令微调数据不足的问题。尽管这些努力取得了显著的效果，但仍存在一些问题，图像描述数据和VQA数据属于不同的领域，图像内容呈现的粒度和范围存在不一致...数据集开源仅需Llama3 1/17的训练成本，Snowflake开源128x3B MoE模型
Snowflake发布高「企业智能」模型Arctic，专注于企业内部应用。刚刚，数据管理和仓库提供商Snowflake宣布加入LLM混战，发布了一款专注于企业级应用的顶级大型语言模型（LLM）——SnowflakeArctic。作为一家云计算公司推出的LLM，Arctic主要具备以下两个方面的优势：高效智能：Arctic在企业任务方面表现出色，例如SQL生成、编程和指令遵循，甚至可与使用更高计算成本训练的开源模型媲美。Arctic为经济高效的训练设定了新的基线，...模型 开源205 个强大的AI编辑写作提示
原创 精华通过利用这些提示，您将毫不费力地完善您的内容并对读者产生持久的影响。对于学生来说，这意味着更好的成绩和对自己写作能力更有信心，而专业人士则可以享受更高的效率和客户满意度。语法检查1.“请检查以下句子是否有语法错误：'[句子]”2.“你能检查一下以下段落‘[paragraph]’的语法是否正确吗？”3.“我需要此[文档电子邮件论文]中的语法帮助：'[内容]'”4.“请校对[报告作业]并更正任何语法错误：'[文件链接]'”5.“这个[...AI编辑写作Llama3背后的秘密：HuggingFace发布万亿级数据集Fineweb
原创 精华Llama3是在15万亿个公共数据标记上进行训练的。但是，您可以在哪里找到这样的数据集和处理方法呢？近日，HuggingFace发布🍷Fineweb，一个高质量的大规模筛选网络数据集，优于目前所有同等规模的数据集。HuggingFace训练了200多个消融模型，精心制作了这个数据集，对CommonCrawl进行了解析和过滤。HuggingFace对2013年至2024年间的所有CommonCrawl数据进行了筛选和去重。在FineWeb上训练的模型优于RefinedWeb、C4、DolmaV1.6、Th...Llama3FinewebFABLES：超长文本自动摘要评估
原创长文本大语言模型（LLMs）的崛起使得生成整本书的摘要成为可能。然而，评估这些摘要的质量，特别是它们与源材料的忠实程度和相关内容的选择，带来了重大挑战。近日，研究人员发表的论文《FABLES:Evaluatingfaithfulnessandcontentselectioninbooklengthsummarization》深入探讨了这一挑战，提出了一种新颖的数据集，并探讨了当前评估方法的局限性。评估长篇摘要的一个主要障碍在于源材料的庞大量级和复杂性。要求人类注释者阅读...长文本大语言模型OpenAI Preparedness团队首席Aleksander Madry：机器学习模型的内部计算如何将输入转化为预测？
原创考虑一个标准的ResNet50模型，该模型经过训练用于图像分类任务。我们是否能够理解这个模型中的卷积滤波器如何将输入图像转换为其预测的标签？或者，GPT3中的注意力头如何contribute到下一个标记的预测？理解这些模型组件——包括滤波器或头等架构“构建块”——如何集体塑造模型行为（包括模型失败）是困难的。毕竟，深度网络在很大程度上是黑匣子——由模型组件之间高度非线性交互构成的复杂计算图。受到这一挑战的启发，解释...机器学习模型TAVGBench: 文本生成语音-视频最新基准
链接地址：https:arxiv.orgpdf2404.14381代码链接：https:github.comOpenNLPLabTAVGBench文本到可听视频生成（TAVG）任务涉及根据文本描述生成带有配套音频的视频。要实现这一目标，需要巧妙地对齐音频和视频元素。为了支持这一领域的研究，本文开发了一个全面的文本到可听视频生成基准（TAVGBench），其中包含超过170万个片段，总时长为11800小时。本文提出了一个自动标注pipeline，以确保每个可听视频都有关于其音频和视频内...数据模型AI信任危机之后，揭秘预训练如何塑造机器的「可信灵魂」
图表1:大模型的通用训练流程[1]在人工智能的前沿领域，大语言模型（LargeLanguageModels，LLMs）由于其强大的能力正吸引着全球研究者的目光。在LLMs的研发流程中，预训练阶段占据着举足轻重的地位，它不仅消耗了大量的计算资源，还蕴含着许多尚未揭示的秘密。根据OpenAI的研究，在InstructGPT的开发过程中，预训练阶段近乎耗尽了全部的算力和数据资源，占比高达98%[2]。图表2:带着笑脸的修格斯[3]预训练模型宛如一头未经雕琢却...LLMs训练
