AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
Open AI 骑虎难下
原创据《TheInformation》基于此前未公开的财务信息进行的分析显示，OpenAI可能正处在崩溃的边缘，预计亏损总额将达到50亿美元。这意味着，如果不采取措施，这家AI领域的先驱可能在接下来的12个月内就会破产，报告中的细节表明OpenAI在开支上远远超过了其在生成式人工智能领域的竞争对手。今年，OpenAI的训练和推理成本可能会高达70亿美元，另外还需要花费大约15亿美元用于员工支出（通过X）。相比之下，Anthropic的预计开支为27亿...OpenAIAIROIAdvanced RAG 11：对用户输入的内容进行「分类处理」和「再优化」
原创编者按：你是否曾经遇到过这些情况：你向AI助手提出了一个比较复杂的问题，但它给出的回答却比较浅显，甚至完全偏离了你的意图🤔？或者，你询问了一个非常简单的问题，AI助手却给出了一大堆不必要的信息，让你感到烦恼😣？传统的RAG技术虽然能有效减少AI回答内容中的错误，但并不能改进用户最初提交的query内容，因此可能会出现以下这些问题：对于用户提交的简单query，系统可能会消耗过多的计算资源，浪费用户时间和增加资源消...LLMsRAGGenAI应用构建者必须解决新的RAG复杂性
原创编辑言征出品51CTO技术栈（微信号：blog51cto）尽管RAG通过增强生成式AI应用的专业化和准确性带来了显著的好处，但它也带来了一系列复杂的挑战。检索增强生成（RAG）正迅速成为生成式AI应用的一个必要元素。RAG通过从基础模型的训练语料库之外的外部数据存储中增强相关信息，赋予预训练AI模型专业化的超级能力，使其在垂直或特定任务应用中精确和准确。然而，RAG也为您的GenAI堆栈引入了关于流量、安全和性能的新要求。随着RAG...GenAIRAG数据质量30秒生成建模师级Mesh！最大可生成面数提升至1600，GitHub揽星1.9k项目发布V2版本
只需30秒，AI就能像3D建模师一样，在各种指示下生成高质量人造Mesh。NeRF、3DGaussianSplatting生成的三维重建图像Mesh效果如下：点云造出精细Mesh：DenseMesh基础上生成也可以：一张图，甚至文本描述就足够了：GitHub已揽星1.9k的MeshAnything项目上新了V2版本，由来自南洋理工大学、清华大学、帝国理工学院、西湖大学等研究人员完成。MeshAnythingV2相比V1，使用了最新提出的AdjacentMeshTokenization（AMT）算法，将最大可生...模型训练基于Prefect、Weave和RAGAS的RAG应用开发实战
原创本文介绍了RAG应用程序开发中的一些增强技术，例如加入线下线上评估、借助Prefect自动提取数据等。几个月前，我发布了一款电影搜索应用程序“FilmSearch”，这是一个检索增强生成（RAG）应用程序，旨在根据用户查询实现电影推荐。例如，用户可能会发出下面的英文提问：“FindmedramamoviesinEnglishthatarelessthan2hourslongandfeaturedogs.”中文意思：“给我找一部长度不到2小时、以狗为主角的英文剧情片。”之后，用户会收...Film SearchRAGASRAG应用开发图像文本擦除无痕迹！复旦提出EAFormer：最新场景文本分割新SOTA！(ECCV`24)
文章链接：https:arxiv.orgpdf2407.17020git链接：https:hyangyu.github.ioEAFormer亮点直击为了在文本边缘区域实现更好的分割性能，本文提出了边缘感知Transformer（EAFormer），该方法明确预测文本边缘，并利用这些边缘来引导后续的编码器。针对COCOTS和MLTS数据集的标注质量较低的问题，对这些数据集进行了重新标注，以提高EAFormer在这两个数据集上的实验结果的可靠性。在六个场景文本分割基准上的广泛实验表明，所提出的EA...图像生成视觉效果超赞！随意画个草图就能生成3D交互游戏场景！腾讯XR出品
文章链接：https:arxiv.orgpdf2408.04567项目地址：https:xrvisionlabs.github.ioSketch2Scene亮点直击可控的、基于草图指导的2Disometric图像生成流程。一个基底图修补模型，通过在新数据集上进行逐步展开的去噪扩散训练。基于学习的组合式3D场景理解模块。一个程序化生成流程，用于使用上述场景理解模块获得的场景参数渲染互动3D场景。3D内容生成是许多计算机图形应用的核心，包括视频游戏、电影制作、虚拟现实和增强现实等。...3D生成这三款AI搜索引擎，是我离不开的AI搭子
原创大家好，我是橙哥！现在互联网信息过载，如何在海量信息中找到精准和优质的资源呢？AI搜索引擎可以帮助我们实现。今天推荐三款我日常使用的AI搜索引擎：Devv、Morphic和Perplexity。它们各具特色，功能强大，适合不同的搜索场景。在介绍这三款强大的AI搜索引擎之前，我想先分享一个我自己实现的轻量级AI搜索。这个项目结合了SiliconCloud的大模型和谷歌搜索，可以一行代码切换Qwen、DeepSeek、ChatGLM、Gemma2、Llama3、Mistral...AI搜索引擎你真的了解预训练吗？预训练与微调的区别是什么？
“预训练是按部就班的学习，微调就是强化训练”在学习大模型的过程中，预训练与微调是其中非常重要的两个阶段，一个模型效果好不好并不是由神经网络模型的好坏决定的，而是由预训练和微调来决定的。大家都知道openAI的GPT模型采用的是Transformer技术架构，但市面上其它采用transformer架构的模型，却很难达到GPT模型的效果，其中很大一部分原因就是在于预训练与微调。今天就来深度了解一下预训练与微调。什么是预训练与微调？...神经网络模型微调人工智能技术全产业链架构分析
原创“学会分工，是人类社会进步的根本原因”学习一项新的技术，首先要对它有一个清晰的认识，也就是我们常说的3W原则方法论，what——是什么，why——为什么，how——怎么做。人工智能技术是一项多学科交叉的技术，其涉及领域非常广泛，如果你对人工智能技术产业链没有一个清晰的认识，那么你就会觉得很迷茫，并且会有很多问题。今天，我们就从产业链的各个角度来对人工智能有一个清晰的认识。人工智能全产业链分析人工智能是一门...人工智能产业链模型Transformer 动画揭秘：数据处理的四大关键技术
原创 精华0、背景Transformer大模型，一种基于自注意力机制的神经网络架构，已被广泛应用于各种自然语言处理任务，比如：机器翻译、文本摘要、生成问答等。从端到端的角度来看，Transformer大模型中数据的处理流程主要包括四个阶段：首先是嵌入阶段（Embedding），随后是注意力机制阶段（Attention），然后是通过多层感知机（MLPs）进行处理，最后是从模型的表示转换到最终输出的解嵌入阶段（Unembedding），如下图所示：图：Embedding>A...大模型常见几种大语言模型压缩技术分析详解
原创大型语言模型（LLM）在自然语言处理任务中取得了显著的成功，但同时也面临着模型过大、计算需求过高的问题。为了解决这些问题，模型压缩技术应运而生，旨在减小模型大小、降低计算复杂度并提升运行效率。本文将对LLM压缩技术进行详细的分析，包括剪枝、知识蒸馏和量化等关键技术，并结合实际应用案例进行分析。一、剪枝技术剪枝技术是通过删除不必要或冗余的参数或连接来减小模型大小和复杂度的有效手段。剪枝可以分为非结构化...大语言模型LLM压缩技术多模态大模型的实现原理，以及技术难点
原创“多模态大模型的终点就是“人”，人就是最完美的多模态模型”在上一篇文章中介绍了什么是多模态大模型，以及为什么需要多模态大模型；今天这里就来详细了解一下多模态大模型的实现原理以及技术难点。多模态大模型是支持多种模态数据的深度学习模型，与之对应的是单模态模型；但因为单模态模型存在很多缺陷，因此多模态大模型应运而生。人就是最完美的多模态模型，而大模型的发展方向也是让它越来越像“人”。多模态大模型的思...多模态大模型Google发表的ShieldGemma：基于Gemma的内容安全审核模型
一、结论写在前面论文标题：ShieldGemma:GenerativeAIContentModerationBasedonGemma论文链接：https:arxiv.orgpdf2407.21772huggingface链接：https:huggingface.cogoogleshieldgemma2b9b27bkaggle链接：https:www.kaggle.commodelsgoogleshieldgemma模型链接：https:ai.google.devgemmadocsshieldgemmamodelcardhlzhcn论文介绍ShieldGemma，这是一套基于Gemma2构建的LLM安全内容审核模型。这...GoogleGemma模型没有等来Qwen2.5，但等来了Qwen2-Math
Qwen2又出新作Math大模型，你值得拥有。我没有等来Qwen2.5，但等来了Qwen2Math，在数学推理能力上大幅度提高，先来一张图阵阵场子，72B模型超过GPT4o、Claude3.5Sonnet和Gemini1.5Pro。Blog:https:qwenlm.github.ioblogqwen2mathHF：https:huggingface.cocollectionsQwenqwen26659360b33528ced941e557f本次开源共涉及3个尺寸2个版本，分别为Qwen2Math1.5B、Qwen2Math1.5BInstruct、Qwen2Math7B、Qwen2Math7BInstruct、Qwen2Math...Qwen2.5Qwen2模型三个臭皮匠与一个诸葛亮：覆盖率与正确率的博弈
将语言模型不断地扩大规模是可以提高它们的能力。而日常运用的时候，通常将推理限制在一次。要是对于同一个问题进行多次反复的采样生成，那么是否能够覆盖正确的答案？是否能够被准确的捞出？最近一项研究进行如下的探索。整个过程如上图所示，它分为两个步骤，准备一个问题，然后遵循重复采样程序，通过具有正温度（代表着回答多样性）的LLM中采样来为给定问题生成很多的K个候选解决方案。第二个步骤使用特定领域的验证器从生...覆盖率正确率Llama-3对比Streamlit，利用Taipy创建数据科学和大模型应用
在数据科学和应用开发不断演变的领域中，简化数据分析到交互式应用转换的工具日益重要。Python框架Taipy作为这一领域的关键参与者，以其独特的数据驱动应用创建方法脱颖而出。Taipy以其用户友好的设计和与Python数据科学生态系统的集成而著称。Taipy是什么？Taipy是一个旨在实现交互式应用快速高效开发的Python框架，尤其适用于数据科学项目。它满足了低代码开发解决方案的需求，能弥合复杂数据科学算法与用户友好应用之间的差...Streamlit数据大模型Agent planning终篇：打造更聪明的智能体！
今天我们从另外一个角度对规划能力进行总结，明天开始我们会分享关于Memory相关的内容。当我们谈论LLM支撑的Agent时，规划模块（PlanningModule）是它们智能行为的核心。想象一下，如果你要完成一项复杂的任务，比如组织一场大型活动，你可能会把它分解成一系列小任务，然后逐一解决。智能体的规划模块也是这么干的！规划模块的设计理念是模拟人类的规划能力，它能让智能体更合理、更强大、更可靠地行动。首先，我们得决定智能...Agent智能体AI这款AI独立硬件，卖货赶不上退货
原创出品51CTO技术栈（微信号：blog51cto）已经很久没有关于AIPIN或是RabbitR1的消息了。作为独立的AI硬件，这些产品曾经被给予厚望，被认为可以部分地取代手机或是APP应用。然而，根据外媒报道，自AIPIN退货涌现以来，每月退回的AIPin数量已经超过了购买的数量！从AI的应用层面来看，AI更多是在现有系统中起到修补和融入的作用，而非成为核心主角。这点在硬件领域也体现得淋漓尽致——从目前的各种尝试来看，AI还不足以支撑起一款...AI硬件APPIPAdapter+再进化，可同时学习多个任务！Unity开源新思路：图像条件结合指令提示
文章链接：https:arxiv.orgpdf2408.03209git链接：https:unityresearch.github.ioIPAdapterInstruct.github.iodemo链接：https:huggingface.cospacesunityIPAdapterInstruct亮点直击提出IPAdapterInstruct模型：结合自然图像条件与文本指令，灵活切换多种解释方式（如风格迁移、物体提取），简化任务处理。增强生成控制：改进传统图像条件方法，通过指令提示在同一条件图像下处理多种解释，提高生成控制精度。高效学习与灵活性...AI模型
