鸿蒙开发者社区

WOT技术大会

公众号矩阵

移动端

短视频免费课程课程排行直播课软考学堂

全部课程厂商认证 IT技术 25年5月软考 PMP项目管理免费题库

文章资源问答课堂专栏直播

51CTO

鸿蒙开发者社区

51CTO技术栈

51CTO官微

51CTO学堂

51CTO博客

CTO训练营

鸿蒙开发者社区订阅号

51CTO软考

51CTO学堂APP

51CTO学堂企业版APP

鸿蒙开发者社区视频号

51CTO软考题库

账号设置退出

新闻

2.5w内容

关注

汇聚51CTO网站的各领域新鲜资讯，包括开发、移动开发、系统、网络、安全、数据库、大数据、人工智能、区块链、云计算、物联网、数字化转型、服务器、存储、商务办公、运维、开源、智能汽车等细分领域。

共 2.5w 条

7B模型超越GPT4-V！港科大等发布「图推理问答」数据集GITQA：视觉图可提升推理能力

研究人员证实了Visual Graph在图推理中的作用，以及其可以和文本模态相互增强。

2024-03-04 13:36:00

DeepMind CEO：LLM+树搜索就是AGI技术线路，AI科研依赖工程能力，闭源模型就是比开源安全

最近谷歌DeepMind的CEO Hassabis接受了多个播客主播的专访，向大众透露很多谷歌最近发布模型的内幕，以及他理解的如何通向AGI的道路。

2024-03-04 13:35:00

DeepMind携Mamba华人作者推Transformer革命之作！性能暴涨媲美Llama 2，推理能效大幅碾压

线性RNN赢了？近日，谷歌DeepMind一口气推出两大新架构，在d基准测试中超越了Transformer。新架构不仅保证了高效的训练和推理速度，并且成功扩展到了14B。

2024-03-04 13:23:34

Mac专属大模型框架来了！两行代码部署，能聊本地数据，还支持中文

仿照Chat with RTX，框架的名字就叫Chat with MLX（MLX是苹果机器学习框架），由一名OpenAI前员工打造。

2024-03-04 13:21:00

两张图2秒钟3D重建！这款AI工具火爆GitHub，网友：忘掉Sora

在本文研究中，作者团队引入的DUSt3R则完全采用了截然不同的方法。它不需要任何相机校准或视点姿势的先验信息，就可完成任意图像的密集或无约束3D重建。

2024-03-04 13:20:00

53页PDF广泛流传，核心员工相继离职，OpenAI到底有什么秘密？

文档来源于一个名为「vancouver1717」的 X 账户，该账户注册于 2023 年 7 月，只有两条推文。

2024-03-04 12:42:12

一句话让图片动起来，苹果发力大模型动画生成，可直接编辑结果

苹果最新的 AI 工具可以使用文本描述为图像制作动画。

2024-03-04 12:32:39

复旦等发布AnyGPT：任意模态输入输出，图像、音乐、文本、语音都支持

复旦大学邱锡鹏团队联合 Multimodal Art Projection（MAP）、上海人工智能实验室的研究者提出了一种名为 AnyGPT 的多模态语言模型。

2024-03-04 12:32:20

精彩程度堪比电视剧，马斯克与奥特曼、OpenAI的「爱恨纠缠史」

马斯克与 OpenAI 及奥特曼之间是理念不合，还是利益之争，我们只能从过往经历中寻得蛛丝马迹。

2024-03-04 12:32:04

逆天UniVision：BEV检测和Occ联合统一框架，双SOTA！

UniVision是一个简单高效的框架，它统一了以视觉为中心的3D感知中的两个主要任务，即占用预测和目标检测。

2024-03-04 09:48:26

3D 自动驾驶

北大发起复现Sora，框架已搭！袁粒田永鸿领衔，AnimateDiff大神响应

对于Sora视频的可变长宽比，团队通过参考上海AI Lab刚刚提出的FiT（Flexible Vision Transformer for Diffusion Model，即“升级版DiT”）实施一种动态掩码策略，从而在并行批量训练的同时保持灵活的长宽比。

2024-03-04 09:15:00

清华、哈工大把大模型压缩到了1bit，把大模型放在手机里跑的愿望就快要实现了！

近期，清华大学和哈尔滨工业大学联合发布了一篇论文：把大模型压缩到 1.0073 个比特时，仍然能使其保持约 83% 的性能！

2024-03-04 09:00:00

马斯克用微软论文当论据起诉OpenAI：你们自己早承认AGI了

一年前微软研究院发表的论文《Sparks of AGI：Early experiments with GPT-4》，现在成为了马斯克起诉书中的关键角色。

2024-03-04 08:42:00

马斯克微软

RNN效率媲美Transformer，谷歌新架构两连发：同等规模强于Mamba

去年 12 月，新架构 Mamba 引爆了 AI 圈，向屹立不倒的 Transformer 发起了挑战。如今，谷歌 DeepMind「Hawk 」和「Griffin 」的推出为 AI 圈提供了新的选择。

2024-03-04 08:20:00

谷歌架构 AI

大视频模型是世界模型？DeepMind/UC伯克利华人一作：预测下一帧就能改变世界

谷歌DeepMind、UC伯克利和MIT的研究人员认为，如果用大语言模型的思路来做大视频模型，能解决很多语言模型不擅长的问题，可能能更进一步接近世界模型。

2024-03-04 08:15:00

谷歌研究模型

十年内出现AGI？下一代Gemini能感知环境？DeepMind CEO哈萨比斯畅谈AI

智能本质、对齐、Gemini、超人类AI和多模态、AGI……在这场干货满满的访谈中，Demis Hassabis可谓「知无不言、言无不尽」。

2024-03-04 08:10:00

北大具身智能成果入选CVPR'24：只需一张图一个指令，就能让大模型玩转机械臂

大多的具身操纵工作主要依赖大语言模型的推理能力来进行任务编排和规划。然而，鲜有研究探索大语言模型在实现低层原子任务（low-level action）方面的潜力。

2024-03-04 07:50:00

解剖Sora：37页论文逆向工程推测技术细节，微软参与，华人团队出品

来自理海大学、微软研究院的华人团队发布了首个Sora相关研究综述，足足有37页。

2024-03-04 07:30:00

Sora 论文研究

给AI Agent完整的一生！港大NYU谢赛宁等最新智能体研究：虚拟即现实

近日，来自香港大学的Jihan Yang和纽约大学的谢赛宁等人发表了新的成果，将真实世界的地图、街景等各种信息融入Agent所在的虚拟世界，为智能体的未来赋予了无限可能。

2024-03-04 07:00:00

地图虚拟智能

老黄最新专访：芯片短缺难以结束，下个Transformer已经出现

老黄关于未来最新的想法和预测，以及他对于过去很多问题的再思考，还有他的很多日常生活小习惯，都在这篇专访里了。

2024-03-04 07:00:00

芯片 AI 英伟达

大一统视频编辑框架：浙大&微软推出UniEdit，无须训练、支持多种编辑场景

本文中，来自浙江大学、微软亚洲研究院、和北京大学的研究者提出了一个基于文本描述的视频编辑统一框架 UniEdit，不仅涵盖了风格迁移、背景替换、刚性 / 非刚性物体替换等传统外观编辑场景，更可以有效地编辑视频中对象的动作，例如将以上视频中浣熊弹吉他的动作变成「吃苹果」或是「招手」。

2024-03-04 00:45:00

实测英伟达AI游戏引擎：与NPC实时聊天，中文流畅爆了

今年的CES展会上，英伟达用智能引擎Avatar Cloud Engine (ACE)，让游戏NPC“活”了起来，引起了不小的震撼。

2024-03-04 00:40:00

英伟达 AI 引擎

第二代Ameca来了！和观众对答如流，面部表情更逼真，会说几十种语言

全新升级的第二代Ameca来了，GPT-4加持，能够实时对答。

2024-03-04 00:25:00

机器人 GPT-4

模型偏好只与大小有关？上交大全面解析人类与32种大模型偏好的定量组分

上海交通大学生成式人工智能实验室（GAIR）发布了一项新研究成果，对人类用户与多达 32 种流行的大语言模型所展现出的偏好进行了系统性的全面解析，以了解不同来源的偏好数据是如何由各种预定义属性（如无害，幽默，承认局限性等）定量组成的。

2024-03-04 00:20:00

语言模型人工智能

ControlNet作者又出新作：百万数据训练，AI图像生成迎来图层设计

有人表示：「等待已久的 AI 图像创建功能终于迎来了图层！」

2024-03-04 00:10:00

马斯克起诉OpenAI：他们做出了AGI还授权给微软，这是对创始协议赤裸裸的背叛

AGI 做出来了吗？创始协议在哪儿？马斯克起诉 OpenAI 的诉讼文件疑点满满。

2024-03-04 00:05:00

60行代码，从头开始构建GPT！最全实践指南来了

GPT早已成为大模型时代的基础。国外一位开发者发布了一篇实践指南，仅用60行代码构建GPT。

2024-03-01 13:49:00

对抗「概念飘逸」难题！谷歌发布全新时间感知框架：图像识别准确率提升15%

告别数据健忘症！机器学习新方法实现「时空穿越」，助力模型适应易变世界。

2024-03-01 13:31:21

全新「多模态」生图AI文字渲染暴打Midjourney+DALL·E 3！5亿融资Karpathy都投了

Ideogram凭借不输Midjourney的生图能力和遥遥领先的图片中文字渲染能力，获得了包括Jeff Dean和Karpathy在内一众大佬的8000万美元融资，文生图这条离钱最近的AI赛道又加入了一名重量级选手。

2024-03-01 13:31:06

微软上线企业版Github Copilot，开发者可定制企业私有代码，撸代码更快了！原创精选

众所周知，Github Copilot 一直是开发者的好基友。它可以围绕编程代码与开发者展开讨论，帮助工程师尽快上手工作，并减少重复模板代码编写等较为琐碎的工作任务，可以理解编程意图并帮助补全代码。

2024-03-01 13:29:20

微软开发者代码

ControlNet作者新作：AI绘画能分图层了！项目未开源就斩获660 Star

给一句prompt，用Stable Diffusion可以直接生成单个或多个透明图层（PNG）！

2024-03-01 12:33:14

字节万卡集群技术细节公开：2天搞定GPT-3训练，算力利用率超英伟达Megatron-LM

文章披露，字节搭建起的万卡集群，能在1.75天内完成GPT-3规模模型（175B）的训练。

2024-03-01 12:32:53

首批类Sora模型出现，色拉布上线Snap Video，效果优于Pika、不输Gen-2

文生视频这个战场，入局的玩家越来越多了。这次是阅后即焚 SnapChat 背后的公司。

2024-03-01 12:18:00

微软37页论文逆向工程Sora，得到了哪些结论？

一篇论文回顾 Sora 文生视频技术的背景、技术和应用。

2024-03-01 12:17:00

AI 数据微软

白宫发文，呼吁开发者放弃C、C++：Rust被「钦点」内存安全

近年来，C、C++ 编程语言成了美国官方的「眼中钉」，而内存安全的 Rust 等语言摇身一变成了「新宠」。

2024-03-01 12:03:00

VPR 2024 满分论文！Meta提出EfficientSAM：快速分割一切！

Meta 研究者提出了另外一种改进思路 —— 利用 SAM 的掩码图像预训练 (SAMI)。这是通过利用 MAE 预训练方法和 SAM 模型实现的，以获得高质量的预训练 ViT 编码器。

2024-03-01 10:04:11

研究训练编码器

中国如何复刻Sora，华人团队长文解构！996 OpenAI研究员：Sora是视频GPT-2时刻

自曝996作息的OpenAI研究员Jason Wei表示，Sora代表着视频生成的GPT-2时刻。竞争的关键，就是算力和数据了。国内有可能成功「复刻」Sora吗？华人团队的这份37页技术报告，或许能给我们一些启发。

2024-02-29 15:39:00

AI 研究算力

几行代码稳定UNet ! 中山大学等提出ScaleLong扩散模型：从质疑Scaling到成为Scaling

本文提出了扩散模型中UNet的long skip connection的scaling操作可以有助于模型稳定训练的分析，目前已被NeurIPS 2023录用。同时，该分析还可以解释扩散模型中常用但未知原理的1/√2 scaling操作能加速训练的现象。

2024-02-29 13:55:00

英伟达最强通用大模型Nemotron-4登场！15B击败62B，目标单张A100/H100可跑

许久未更新大模型的英伟达推出了150亿参数的Nemotron-4，目标是打造一个能在单个A100/H100可跑的通用大模型。

2024-02-29 13:54:00

微软6页论文爆火：三进制LLM，真香！

若论文成立，那么我们就能在24GB消费级GPU上跑120B的大模型了。

2024-02-29 12:56:00

陈丹琦团队新作：Llama-2上下文扩展至128k，10倍吞吐量仅需1/6内存

用该方法对7B大小的羊驼2进行改造，只需要一块A100就能搞定。

2024-02-29 12:49:37

厦门大学、Intel、大疆联合出品，从网络视频中学习零样本图像匹配大模型

GIM 的提出受到了 GPT 等大模型的启发，促使作者用海量的视频数据去训练匹配模型，并达到更高的泛化性能。

2024-02-29 12:23:54

微软、国科大开启1Bit时代：大模型转三进制，速度快4倍能耗降至1/41

近年来，大语言模型（LLM）的参数规模和能力快速增长，既在广泛的自然语言处理任务中表现出了卓越的性能，也为部署带来了挑战，并引发人们担忧高能耗会对环境和经济造成影响。

2024-02-29 11:56:48

LLaMa 3或将推迟到7月发布，剑指GPT-4，从Gemini吸取教训

LLaMA 2 是开源领域的「强中手」，更是 Meta 的招牌模型，一经发布即改变了大模型格局。

2024-02-29 11:56:25

想训练类Sora模型吗？尤洋团队OpenDiT实现80%加速

最近，新加坡国立大学尤洋团队开源的一个名为 OpenDiT 的项目为训练和部署 DiT 模型打开了新思路。

2024-02-29 11:56:10

Think2Drive：首个用于自动驾驶的基于模型的RL方法（上海交大）

最近发布的AD仿真器CARLA v2在驾驶场景中增加了39个常见事件，并提供了比CARLA v1更接近真实的测试平台。

2024-02-29 09:28:08

自动驾驶模型

数量即力量！腾讯揭秘：Agent数量越多，大语言模型效果越好

来自腾讯的研究者发现：只需通过一种简单的采样投票法，大语言模型的性能就会随着实例化 agent 的数量的增大而增强，呈现scaling property（可拓展性），无需复杂的多 LLM agents 协作框架以及prompt工程方法的加持。此外，该方法与现有的复杂方法正交，结合之后，可进一步增强 LLM，其增强程度与任务难度相关。

2024-02-28 18:17:28

模型数据 LLM

知名AI研究者深挖谷歌Gemma：参数不止70亿，设计原则很独特

想要了解谷歌 Gemma 与 Llama 2、Mistral 有哪些异同吗？这篇文章值得一读。

2024-02-28 18:17:05

太突然！苹果董事会12分钟狠心砍掉！10年造车梦轰然崩塌的两个原因！原创精选

据外媒报道，2月28日，苹果公司已搁置并取消了自动驾驶电动汽车的所有开发计划。苹果汽车项目启动已有十多年时间，期间投入了数十亿美元，但最终决定这不是一个可行的项目。

2024-02-28 13:36:51

苹果自动驾驶项目

与人类贴身热舞！人形机器人进阶到街头耍宝，6华人组团出品

他们提出一种特别的全身控制策略（ExBody），能对人形机器人进行全身控制。策略主要训练人形机器人上半身，下半身则专注于负责维持稳定。

2024-02-28 12:43:00

上一页 1 ··· 47 48 49 50 51 ··· 510 下一页

51CTO技术栈公众号

业务
速览

媒体

51CTO CIOAge HC3i

社区

51CTO博客鸿蒙开发者社区 AI.x社区

教育

51CTO学堂精培企业培训 CTO训练营