| 共 486 篇文章 |
|
全球首个开源的类Sora架构视频生成模型，来了！Open-Sora 开源地址：https://github.com/hpcaitech/Open-Sora全面解读Sora复现方案。为了进一步降低Sora复现的门槛和复杂度，Colossal-AI团队在代码仓库中还提供了便捷的视频数据预处理脚本，让大家可以轻松启动Sora复现预训练。借助他们在GitHub上提供的开源代码，可以轻松地在自己的数据集上快... 阅13 转0 评0 公众公开 24-03-18 14:58 |
他认为，像 Sora 这样的视频生成模型确实嵌入了「物理模型」，但问题是：这个物理模型是否准确？比如下面这位推特博主，他认为 OpenAI 是数据驱动的物理引擎这一观点是荒谬愚蠢的， 就好像收集了行星运动的数据并将它们喂给一个预测行星位置的模型，然后就得出该模型内部实现了广义相对论的结论。在机器学习中，模型的可调节参数就像苍蝇，训练... 阅5 转0 评0 公众公开 24-02-20 06:35 |
谷歌大杀器终于来了，最大规模Gemini震撼发布：真超GPT4，三大版本，手机直接可用机器之心报道。这次发布的 Gemini 大模型是原生多模态大模型，是谷歌大模型新时代的第一步，它包括三种量级：能力最强的 Gemini Ultra，适用于多任务的 Gemini Pro 以及适用于特定任务和端侧的 Gemini Nano。谷歌大模型 Gemini 正式发布谷歌 DeepMind CEO 和联合... 阅3 转0 评0 公众公开 23-12-08 08:02 |
但我们尚未拥有的是一种可以完成所有这些任务的人工智能，我认为在未来三年左右，我们已经非常接近，在三年内，我认为你将看到人工智能系统在所有领域中都能与人类的智力工作者媲美，这意味着所有的工作都将发生变化，没有一个工作将不受影响，这意味着我们将重新定义社会的行为和运作方式，有了人工智能系统在我们这一边，它们可以代表我们并... 阅1 转0 评0 公众公开 23-12-04 00:52 |
「GPT-4只是在压缩数据」，马毅团队造出白盒Transformer，可解释的大模型要来了吗？请注意，这里的表征学习与针对特定任务的表征学习非常不同。他们将这个白盒深度架构命名为 CRATE 或 CRATE-Transformer，这是 Coding-RATE transformer 的缩写。实验评估为了证明这个框架确实能将理论和实践串连起来，他们在图像和文本数据上执行了广泛的实验... 阅3 转0 评0 公众公开 23-11-26 18:04 |
懂外贸的AI来了数字贸易正成为今天国际贸易发展的新趋势，也是未来国际贸易发展的新增长点。像主攻儿童教育类玩具、家具出口9年多的众行集团创始人费凡介绍，他用AI生意助手给儿童滑梯生成场景图时，AI会在滑梯旁“悄悄”放一辆玩具小车，“这就很有灵气了。”（AI生意助手帮助费凡团队一键生成的产品图）能给从业多年的外贸公司解决“老问题”... 阅9 转0 评0 公众公开 23-11-02 07:45 |
而vivo即将带来五个大模型，包括10亿的大模型、70亿的大模型、660亿的大模型、1300亿的大模型和1750亿的大模型。vivo称其为自研大模型矩阵，这些大模型矩阵的能力将会全面地融入即将发布的OriginOS 4。大模型时代，创新模式也开始从单一企业创新演变为生态协同创新，只有这样才能使创新成果更快地转化为产品，连接产业链上下游，在加速智能终端... 阅2 转0 评0 公众公开 23-10-20 19:07 |
UC伯克利教授惊人预测：2030年GPT可执行人类180万年工作，一天学2500年知识。UC伯克利的一位机器学习教授Jacob Steinhard发表长文，对2030年的GPT（以下简称为GPT 2030)作了预测。他们的进步速度也很快，从GPT-3到GPT-4，直接跃升了19%。黑客Jacob预测，GPT 2030的黑客能力将随着编程能力的提高而提高，而且，ML模型可以比人类更有规模、更认真... 阅7 转0 评0 公众公开 23-08-13 18:50 |
2023中关村论坛开幕，李彦宏：大模型即将改变世界。“大模型成功地压缩了人类对于整个世界的认知，让我们看到了实现通用人工智能（AGI）的路径。”李彦宏表示，“当下，我们正处在全新起点，这是一个以大模型为核心的人工智能新时代，大模型改变了人工智能，大模型即将改变世界。”技术突破，“大模型”正在改变人工智能、改变世界在大模型改变... 阅12 转0 评0 公众公开 23-05-26 20:23 |
普林斯顿清华姚班校友提出全新「思维树ToT」框架，让LLM反复思考。为了解决这些问题，研究者提出了用语言模型解决通用问题的思维树框架（ToT），让LLM可以探索多种思维推理路径。1. 思维分解CoT在没有明确分解的情况下连贯抽样思维，而ToT利用问题的属性来设计和分解中间的思维步骤。错误分析图3(b)分析了CoT和ToT样本在哪一步失败了任务，即思... 阅24 转0 评0 公众公开 23-05-22 13:44 |
