1、sCM新扩散模型在今日凌晨，OpenAI推出了创新的扩散模型方法sCM，这一方法仅需两步骤即可生成高质量的图片和3D模型，实现了高达50倍的时钟速度提升，特别是在处理高分辨率任务时表现尤为出色，举例来说，利用sCM训练的一个拥有15亿参数的模型，在单个A100GPU上，无需进行任何推理优化，就能...

  今天介绍一篇NIPS2023中上海交大和蚂蚁集团联合发表的时间序列预测文章，基于basis的时间序列建模，目前代码已经开源，论文的详细信息如下，论文标题，BasisFormer，Attention，basedTimeSeriesForecastingwithLearnableandInterpret...

  今天给大家介绍一篇最新的大模型，时间序列预测工作，由康涅狄格大学发表，提出了一种将时间序列在隐空间和NLP大模型对齐，并利用隐空间prompt提升时间序列预测效果的方法，论文标题，S2IP，LLM，SemanticSpaceInformedPromptLearningwithLLMforTimeSe...

  大型语言模型，LLM，在系统级优化中的新进展近年来，大型语言模型，LLM，在解决复杂问题的推理能力方面取得了显著进展，使其能够有效管理数千种工具和API调用，这些改进释放了它们在大规模系统中的潜力，包括UI，网络界面、移动应用程序、SQL后端和远程感应平台，这些用途通过需要集成各种API来加载、过滤...

  OCR，Free多页文档理解的挑战与进展在现代信息时代，多页文档的自动理解和处理变得尤为重要，这些文档可能包括书籍、报告、学术论文等，它们通常包含大量的文本、图表和其他视觉元素，传统的文档理解方法依赖于光学字符识别，OCR，技术将图像转换为文本数据，然而，OCR过程不仅耗时，而且在处理高分辨率或多页...

  作者，FrankWittkampf编译，岳扬AIAgents之间往往存在很大差异，配图源自MidJ01内容简介IntroductionAIAgents的行为主要由两点决定，1，它所运行的基础模型，以及，2，输入给该模型的上下文信息，上下文信息输入的方式直接影响着Agents任务执行效果，甚至可以说，...

  论文题目，ClongEval，AChineseBenchmarkforEvaluatingLong，ContextLargeLanguageModels论文地址，​​https，arxiv.org，abs，2403.03514​​代码地址，​​https，github.com，zexuanqiu，C...

  一、现状在AI领域，从原型到生产的过程极具挑战，构建大型语言模型，LLM，、小型语言模型，SLM，或多模态应用虽令人激动，但将其转化为可扩展、可靠的生产系统，需深入理解其复杂性，这不仅仅是硬件扩展或算法优化的问题，而是涉及数据、模型架构与应用需求之间关系的深入探究，二、15种RAG技术在本文中，我们...

  今天给大家介绍一篇南京大学、阿里巴巴联合发表的多模态模型建模方法WINGS，解决基于LLM的多模态模型在进行跨模态建模时的灾难遗忘问题，论文标题，WINGS，LearningMultimodalLLMswithoutText，onlyForgetting下载地址，​​https，arxiv.org，...

  论文链接，https，arxiv.org，pdf，2405.18750项目链接，https，t2v，turbo.github.io，基于扩散的文本到视频，T2V，模型取得了显著的成功，但仍然受到迭代采样过程速度缓慢的影响，为了解决这一挑战，一些一致性模型被提出来促进快速推理，尽管以牺牲样本质量为代价...

  随着物流行业的快速发展，智能仓库技术应运而生，旨在提高仓储效率和灵活性，传统仓库依赖传送带等固定设备，虽然能够完成基本的物料搬运任务，但其灵活性差，难以适应不断变化的需求，智能仓库通过引入多智能体系统，利用自主移动的机器人来完成货物的搬运和分拣，大大提升了仓储操作的效率和灵活性，然而智能仓库面临的一...

  文章链接，https，arxiv.org，pdf，2409.12957项目链接，https，3dtopia.github.io，3DTopia，XL，今天AI生成未来和大家分享的是南洋理工、北大、上海AILab和港中文联合发布的3DPBR资产生成最新工作3DTopia，XL，通过基于高效且表达力强的...

  今天凌晨，阿里巴巴官宣了史上最大规模的开源发布，推出了基础模型Qwen2.5、专用于编码Qwen2.5，Coder和数学的Qwen2.5，Math，这三大类模型一共有10多个版本，包括0.5B、1.5B、3B、7B、14B、32B和72B，适用于个人、企业以及移动端、PC等不同人群不同业务场景的模型...

  在最近的时间序列预测研究工作中，有一类工作将图学习和时间序列结合了起来，从图学习的视角理解时间序列预测，这类工作中，一种是用图学习建模多变量间的关系，解决多元时序预测问题；另一种是直接把时间序列中的各个时间步看成图中的一个节点，用图学习建模时间步之间的依赖关系，这篇文章汇总了近期4篇图学习视角解决时...

  背景介绍图像融合将多个源图像，可能来自不同传感器、不同视角、不同时间点，的信息整合到单一的输出图像中，这一过程旨在通过有效合并各源图像中的互补、冗余或独特信息，生成一个既包含所有关键细节又具有增强特性的综合图像，例如对多帧不同曝光设置下的图像融合可以实现高动态范围，HDR，效果，对多帧不同焦段的图像...