Google研究员FrançoisChollet是一位在机器学习和深度学习领域具有重要影响力的一线工程师，他以创建流行的开源机器学习库Keras而闻名，同时也是流行的机器学习实战书籍，DeepLearningwithPython，使用Python来深度学习，的作者，不久前他发表博文，HowIthin...

  来自奥本大学和阿尔伯塔大学的研究人员发现，最先进的具有视觉能力的大型语言模型，VLMs，在理解涉及基本几何形状的空间信息方面表现得非常糟糕，例如判断两个圆是否重叠，他们提出了一个名为BlindTest的新基准测试，包括7项简单任务，这些任务在互联网上自然语言中不太可能有现成答案，以测试VLM像人类一...

  的离职，OpenAI首席架构师和著名强化学习，ReinforcementLearning，或RL，专家JohnSchulman博士成为OpenAI现存最主要具有技术背景的创始人，最近，Schulman博士接受了著名的科技播客主持人DwarkeshPatel的专访，他解密了OpenAI大模型发展史，介...

  Sora是OpenAI发布的一款视频生成模型，采用了DiffusionTransformer架构，旨在实现高保真度和视频图像的前后一致性，其突出之处在于能够生成逼真流畅的视频内容，令人惊叹不已，Sora一经推出便在极短的时间内迅速引起了科技界和社会各界的关注，同时也引发了关于AI技术发展和产业变革的...

  ​LLMs的智能本质是什么，在之前的文章中，我谈到了评估大型语言模型能力的困难，这些模型在许多基准测试中表现出色，但我们通常不知道基准测试中的测试项目，或足够相似的项目，是否出现在训练数据中，这些模型是在进行一般性的理解和推理，还是在进行AI研究员SubbaraoKambhampati所说的，近似检...

  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...

  有朋友问我，现在这么多大语言模型，哪一款最好用，这并没有标准答案，每个模型都有自己独特优势，需要根据具体的使用场景来区分，带大家一起盘点下国内比较常用的几款大模型及其特性，看看哪款适合你，百度——，文心一言，大模型产品介绍文心一言是百度基于文心大模型打造的生成式AI产品，具备跨模态、跨语言的深度语义...

  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...

  又是发布即开源！Meta，分割一切AI，二代在SIGGRAPH上刚刚亮相，相较于上一代，它的能力从图像分割拓展到视频分割，可实时处理任意长视频，视频中没见过的对象也能轻松分割追踪，更关键的是，模型代码、权重以及数据集通通开源！它和Llama系列一样遵循Apache2.0许可协议，并根据BSD，3许可...

  文章链接，https，arxiv.org，pdf，2410.16512亮点直击具有空间意识的文本图像预训练，TIPS是一种通用的图像，文本编码器模型，可有效用于密集和全局理解，用于纯视觉或视觉语言任务，整体应用流程见下图，总结速览解决的问题现有的图像，文本表示学习模型通常缺乏空间意识，难以直接用于密...

  文章链接，https，arxiv.org，pdf，2406.17396项目链接，https，lslrh.github.io，syncnoise.github.io，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...

  文章链接，https，arxiv.org，pdf，2410.13370项目链接，https，correr，zhou.github.io，MagicTailor亮点直击总结速览解决的问题传统的文本到图像，T2I，扩散模型在生成高质量图像方面有了显著进展，但仍难以精细控制特定的视觉概念，现有方法虽然可以...

  论文链接，https，arxiv.org，pdf，2410.18035低秩适应，LoRA，及其专家混合，MOE，变体是非常有效的参数高效微调，PEFT，方法，然而，由于在Transformer层中添加了LoRA模块和MOErouters，这些方法在多租户环境中引入了显著的延迟，为了解决这个问题，本文...

  文章链接，https，arxiv.org，pdf，2410.08207项目链接，https，hexiaoxiao，cs.github.io，DICE，总结速览解决的问题，离散扩散模型虽然在图像生成和mask语言建模等任务中取得了成功，但在精确控制内容编辑方面存在局限性，当前方法无法实现对离散数据的灵...

  文章链接，https，arxiv.org，pdf，2410.18013亮点直击总结速览解决的问题传统的直接偏好优化，DPO，方法依赖大量人工标注的数据集来对文本生成图像，T2I，模型进行对齐，但这种方法成本高昂，且数据容易过时，难以适应T2I模型快速提升的需求，提出的方案本研究提出一种完全合成的数据...