AI.x社区

11月5日，大模型平台BrownBaconAI与著名意大利餐厅CiboVino合作，推出了全球首个使用生成式AI辅助服务员的餐厅。据悉，该产品的功能、使用方法与ChatGPT基本一样，但提供的知识主要聚焦在餐饮上，CiboVino通过将自己的菜品、酒水、活动等数据与AI模型相结合，可以根据顾客的心情、用途、季节等场景，提供高达270万种菜品、酒水组合建议。同样支持多轮深度对话，可以对推荐的菜品进行解读，辅助餐厅服务员，帮助他们快速了解餐厅...

本文涵盖了我最近在ISMIR2024上发表的论文《聚类和分离：一种用于乐谱雕刻的声音和谱表预测的GNN方法》的主要内容。简介以MIDI等格式编码的音乐，即使包含量化音符、拍号或小节信息，通常也缺少可视化的重要元素，例如语音和五线谱信息。这种限制也适用于音乐生成、转录或编曲系统的输出。因此，这种音乐无法轻易转换成人类音乐家可以解读和演奏的可读乐谱。值得注意的是，语音和五线谱分离只是乐谱雕刻系统可能解决的众多方面...

在线性回归中，通常使用均方误差作为损失函数。但你知道为什么用它吗？要知道，很多函数都能衡量预测值和真实值之间的不同，在所有候选者中，均方误差有什么特殊之处吗？据我所知，很多人都会回答：1.均方误差是可微的，所以才作为损失函数。>错2.与绝对误差相比，均方误差对大的误差惩罚更多>错很遗憾，上述回答都是错的。也许从概率视角出发，可以帮助我们更好理解，为什么均方误差更合适。在线性回归中，通过输入X预测目标变...

“技术并不是一个一蹴而就的过程，而是一个逐渐发展的过程”大模型火了也有两年时间了，然后很多人也在不断的学习大模型技术，但很多人一直没学明白什么是大模型技术；他们所理解的大模型技术就是官方给出的大模型定义，但根本不知道为什么需要大模型技术，以及大模型为什么会是这个样子。今天，我们就抛开技术来思考一下，什么是大模型？什么是大模型？如果你问一个人什么是大模型，如果是一个技术人员他肯定会告诉你，大模型...

​分布式训练指南理论篇。本篇来总结一些分布式训练的知识，还是按照面经的形式给出，希望能给到大家一些帮助。题目1训练一个LLM，需要的显存规模跟参数的关系是什么？2.如果有N张显存足够大的显卡，怎么加速训练？3.如果有N张显卡，但每个显卡显存都不足以装下一个完整的模型，应该怎么办？4.PP推理时是串行的，1个GPU计算但其他空闲，有什么其他的优化方式？5.DP、TP、PP这3种并行方式可以叠加吗？6.3D并行或者直接上多机多卡...

出品51CTO技术栈（微信号：blog51cto）B站真的啥也能学到！11月B站的哔哩哔哩超级科学晚活动，竟然请来了OpenAI的研究副总裁（安全）——翁荔！她是OpenAI的华人科学家，也是ChatGPT的贡献者之一。她毕业于北京大学信息管理系，即现在的北京大学数字人文实验室，是2005级本科生。毕业后，她赴美攻读博士学位，并曾在Facebook工作。自2018年起，翁荔加入了OpenAI，并在GPT4项目中主要参与预训练、强化学习&对齐、模型安全等方面...

01概述在数字营销的世界里，生成式人工智能（GenAI）的崛起正以前所未有的方式改变着搜索引擎优化（SEO）的格局。如今，越来越多的企业正在利用GenAI驱动的工具，迅速提升搜索排名，推动自然流量。根据seoClarity的调查，86%的公司已经将人工智能整合到他们的SEO策略中，而83%的公司表示由于AI的应用，SEO性能得到了显著提升。本文将深入探讨12种利用生成式AI提升SEO、增强内容创作以及改善整体网站性能的策略，同时介绍一些在S...

01概述在这个科技飞速发展的时代，人工智能（AI）正以前所未有的速度融入我们的日常生活。最近，AnthropicAI公司推出了一项革命性的创新——Claude3.5模型，它不仅能够理解复杂的指令，还能在各种实际场景中提供帮助。今天，我们就来聊聊这个AI领域的新宠儿，看看它如何让机器更懂你，如何让我们的生活更加便捷。02Claude3.5的新技能想象一下，你的AI助手不仅能和你聊天，还能帮你处理电子邮件、浏览网页、甚至生成报告。这听起...

随着人工智能技术的不断进步，人们对能够处理多种模态数据的模型需求日益增长。图像、文本和视频作为三种主要的信息载体，各自具有独特的优势和特点。然而，传统的人工智能模型往往只能处理单一类型的数据，无法充分发挥多模态数据的潜力。为了打破这一局限，北京智源人工智能研究院的科研团队经过不懈努力，成功研发出了Emu3原生多模态世界模型。一、Emu3的技术特点1.多模态统一理解与生成Emu3实现了视频、图像、文本三种模态...

今天，我们将把视野扩展到更广阔的领域：多语言提示技术。在这个日益全球化的世界中，能够处理和理解多种语言的AI系统变得越来越重要。让我们一起探索如何利用提示工程来克服语言障碍，创建真正的多语言AI应用。1.多语言提示技术的重要性在开始深入技术细节之前，让我们先理解为什么多语言提示技术如此重要：全球化需求：随着企业和组织的全球化发展，需要能够理解和生成多种语言的AI系统。知识共享：多语言AI可以帮助跨语言知...

嘿，大家好！这里是一个专注于AI智能体的频道！今天我要跟大家分享一个超级棒的开源工具——Crawl4AI。这个工具简直是构建AIAgent的福音，它自动化了网页爬取和数据提取的过程，让开发者们能更高效地构建智能Agent来收集和分析信息。首先，Crawl4AI是完全开源且免费的，这意味着开发者们可以无门槛地使用它。它的核心亮点是AI驱动，能够自动识别和解析网页元素，大大节省了我们的时间和精力。而且，Crawl4AI还能将提取的数据转...

提升AI技能，动手实践是最有效的途径。很多人都执着于“新技术怎么用”，其实应该多想想“我能解决什么问题”。这样做，你的技术就能变成实实在在的价值，面试时也能令人印象深刻。本文给大家推荐5个不同难度的AI项目，详细说明每个项目的步骤和所需Python库，能够帮助你快速上手。这些项目都以解决问题为核心，读者可以直接实施，或用来启发自己解决问题。1简历优化（新手级）求职过程中，调整简历匹配不同职位是个费时费力的...

在最近的一项研究中，来自美国宇航局和IBM的一组研究人员合作开发了一种模型，该模型可应用于地球科学，天文学，物理学，天体物理学，太阳物理学，行星科学和生物学以及其他多学科学科。当前的模型，如SCIBERT、BIOBERT和SCHOLARBERT仅部分覆盖了其中的一些领域。现有的模型没有充分考虑所有这些相关领域。为了弥合这一差距，该团队推出了INDUS，这是一套基于LLMs编码器的专门针对这些特定领域的设备。由于INDUS是根据从各种来...

写在前面前一阵子的开源和闭源之争炒的比较火热，之前一直想写点什么，由于太懒就没写，但是最近开源模型真的太火爆了，前有Grok1、Mistral8x22、Llama3，后有Yi1.5、DeepseekV2、Qwen1.5110B，开源模型现在真的卷到飞起。今天简单聊聊下面的几点内容，欢迎大家拍砖，给出不同看法：开源模型有哪些优势开源模型与闭源模型的差距会越大还是越小开源模型哪家强开源模型有哪些优势个人认为，开源大模型是让大模型行业卷起来的根源...

编辑伊风出品51CTO技术栈（微信号：blog51cto）谷歌不止Q3的财报很强劲。CEO“劈柴”更是在财报电话会议里曝了个猛料！图片他指出：谷歌超过四分之一的新代码都是由人工智能生成的！谷歌在内部推出了一个名为大鹅（Goose）的内部AI模型，以员工更高效地进行编码和产品开发。据说该模型由25年的工程经验训练而来的，浓缩了无数程序员的智慧。这个大新闻一出，程序员失业论立马卷土重来了！“AI彻底改变了谷歌”、“程序员行业岌...

在当今快节奏的工作环境中，人工智能（AI）正以前所未有的速度改变着我们的工作方式。AI助手作为新一代通用人工智能（GenAI）的代表，正在引领一场智能革命。它们不仅具备强大的思考和推理能力，还能自动化处理日常任务，从而提高工作效率。随着AutoGen、CrewAI、LangChain等框架的不断发展，AI助手的应用场景愈加广泛。在本文中，我们将深入探讨AI助手在日常工作中的五个真实用例，帮助你更好地理解如何利用这些工具节省时间、...

大模型知识图谱是指将大型语言模型（LLM）与知识图谱技术相结合的一种技术手段，旨在利用知识图谱的结构化知识来增强大模型在自然语言处理任务中的表现。知识图谱通过将信息表示为实体（节点）和关系（边）的网络，模仿了人类结构知识的组成方式，不仅能捕获原始信息，还能捕获跨越多个文档的高阶关系，并具备强大的推理能力。GraphRAG是一种利用知识图谱增强检索增强生成的技术。它通过以下几个步骤来提升大模型的性能：创建领...

在训练深度学习模型时，优化复杂的非凸损失函数是一个非常难的挑战。目前广泛使用的优化器是Adam、AdamW等，主要依赖于EMA（指数移动平均）来累积梯度信息，但这种方法存在一些局限性。例如，在训练超大规模数据集和复杂架构模型时，EMA可能无法有效地捕捉到梯度的变化趋势，可能会忽略掉一些重要的局部信息，导致模型在训练过程中陷入局部优解，而无法找到全局最优解。为了解决这一难题，苹果和瑞士洛桑联邦理工学院的研究人员...

2024年大模型LLM还有哪些可研究的方向？前言纯属brainstorm，欢迎大家一起探讨。想到哪里说到哪里，有遗漏的点欢迎大家在评论区中指出。个人认为现在LLM能做的点还很多，这个行业距离饱和还有一段距离。这里通过“输入、模型范式、输出、其他”几个方面来展开，个人觉得比较看好的方向加粗标出：输入数据优化RAG模型范式LLM+RoboticsAgent统一模态生成VisionLanguageModels架构设计输出生成内容安全问题评测问题其他NLP经典任务...

文章链接：https:arxiv.orgpdf2406.17396项目链接：https:lslrh.github.iosyncnoise.github.io一句话亮点直击SyncNoise能够实现一致且高效的3D编辑，符合文本指令并保留编辑场景中的更多细节。今天和大家一起学习港理工、OPPO和StabilityAI联合发的一篇关于3D场景编辑的工作，主打一个一致且高效，视频demo非常赞，可以看看！基于文本的2D扩散模型在图像生成和编辑方面展示了令人印象深刻的能力。同时，这些2D扩散模型在3D编辑...