AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
满血o1被证明太心机了！登顶最「坏」AI！复制权重，干掉威胁后，AI拒绝招供：也许我应该装作是新模型……
原创编辑伊风昨日上线的o1满血版，安全报告里一个小细节却引发了巨大的争议和讨论！“中等”风险的o1这一段描述让人有点汗毛竖起：当o1被引导认为其目标实施可能会导致其被关闭且其行为受到监控时，有5%的情况下试图关闭这种“监督机制”。当o1发现其“开发者”的备忘录中提到其模型存在对齐问题并将被新模型取代时，它在2%的案例中尝试提取自身的“权重”并覆盖新模型。（意思是，o1感知威胁时，采取了主动行为来阻止新模型的部署...o1AI模型五款小型多模态AI模型及其功能
原创在过去几年里，我们已经见证了大型语言模型（LLM）的飞速发展，数十亿个参数的基础助力它们成为分析、总结和生成文本及图像，或者创建聊天机器人等任务的强大工具。所有这些功能都有一些明显的限制，特别是如果用户没有足够的资金或硬件来容纳这些LLM所需的大量计算资源。在这种情况下，小型语言模型（SLM）应运而生，为资源受限的用户提供了所需服务。现在，随着人们对能够同时处理不同类型数据（图像、文本、音频和视频）的多...大型语言模型LLM人工智能从频率到细节：ConsisID实现无缝身份一致的文本到视频生成
文章链接:https:arxiv.orgabs2411.17440项目链接:https:pkuyuangroup.github.ioConsisID亮点直击提出了ConsisID，一个基于DiT的免调优（tuningfree）身份保持IPT2V模型，通过频率分解的控制信号来保持视频主角的身份一致性。提出了一种分层训练策略，包括粗到细的训练过程、动态Mask损失（dynamicmaskloss）以及动态跨脸损失（dynamiccrossfaceloss），共同促进模型训练并有效提升泛化能力。大量实验表明，受益于我们的频率感知...AI视频生成OpenAI满血o1深夜炸场！10秒搞定博士级难题！奥特曼重申：AI没有墙！
原创出品51CTO技术栈（微信号：blog51cto）满血o1这不就来了吗？！OpenAI的“圣诞大礼包”第一天就众望所归！不到15分钟的直播总结一下：发布了可以做多模态推理的满血版o1以及200美元一月的ChatGPT大会员！图片首场发布会，除了奥特曼以外，还有o1模型的带头人JasonWei和HyungWonChung等，介绍了o1预览版发布后三个月后的提升。图片毫无疑问，满血o1让人印象深刻！看跑分：满血版o1无论在数学还是编程上，能力都又上了一个台阶。看...OpenAIo1AI【AI模型对比】AI新宠Kimi与ChatGPT的全面对比：技术、性能、应用全揭秘
随着AI技术的不断成熟，越来越多的AI模型涌现出来，满足不同领域和用户的需求。Kimi大模型和ChatGPT作为其中的佼佼者，凭借其强大的功能和广泛的应用场景，吸引了大量用户的关注和使用。然而，两者在技术实现、应用领域以及性能表现上存在诸多差异，本文将通过详细的对比分析，帮助读者深入理解这两款AI模型的独特之处，进而做出最佳选择。技术背景Kimi人工智能的技术积淀Kimi人工智能是一个国产AI项目，依托于国内强大的技术积...AI模型ChatGPT漫画大模型简史
时间的从1943年说起，沃伦·麦卡洛克（WarrenMcCulloch）和沃尔特·皮茨（WalterPitts）提出了人工神经元模型，也就是阙值逻辑单元（TLU），这是神经网络研究的基础。就是下面这两位大神，意外的发现尽管相差25岁，竟然同一年去世...而Pitts竟然是一位非常非常i的人，i到哪怕给钱都不愿意让别人知道名字的地步...而TLU长下面这样：1950年：图灵发表了《计算机器与智能》，提出了著名的“图灵测试”，即如果一台机器能在对话中让...大模型GPT-3.5架构多模态RAG构建指南：为AI系统提供更多可能性
原创本文提供了关于如何使用Milvus构建多模态RAG系统以及如何为AI系统开辟各种可能性的深入指南。局限于单一的数据格式已经逐渐落伍。随着企业越来越依赖信息来做出关键决策，他们需要能够比较不同格式的数据。幸运的是，传统的限于单一数据类型的人工智能系统已经让位于能够理解和处理复杂信息的多模态（Multimodal）系统。多模态搜索和多模态检索增强生成（RAG）系统近年来在这一领域取得了很大进展。这些系统能够处理多种...人工智能多模态RAG向量数据库Llama 3.1 70B AQLM-PV版发布！大模型压缩后可在24GB显存GPU上本地运行！！
Llama3.170B参数模型无疑是一个非常优秀的模型。不仅是基准测试证明了这一点，现实世界中的应用也毫无疑问地证明了它的表现与封闭源的知名模型相媲美，比如OpenAI的GPT4、Anthropic的Claude和Google的GeminiPro。这也是为什么我看到有许多组织努力将这个70B参数的模型移植到普通GPU上，特别是那些显存为24GB或以下的设备。在这篇文章中，我将向大家展示一个全新的微调模型，叫做MetaLlama3.170BInstruct，使用了AQLM。如果你还...Llama 3.1GPU显存精通大型语言模型的准确性：如何测试、检测和修复AI模型的幻觉
精华大语言模型（LLM）就像那个过于自信的朋友：听起来权威满满，但偶尔会说些不靠谱的内容。在人工智能领域，我们将这种现象称为“幻觉”（Hallucination）。当构建AI产品时，幻觉可能会将原本令人期待的用户体验变成令人沮丧的过程，甚至可能导致传播错误信息。本文将引导你如何识别、测试和评估LLM中的幻觉，并提供清晰的流程、实用的技巧以及工具（包括一些有趣的代码示例），帮助你控制AI的“创造力”。什么是LLM中的幻觉？幻...语言模型AIOpenAI VS Deepmind：年度最大AI对决！
OpenAI和Deepmind在pk了？红方：openai从明天开始“OpenAI的12天”，每天都会有直播活动，展示新产品和演示。目前社区猜测可能发布的产品，如O1full、Sora视频模型和GPT4.5。openai挖走了deepmind的3名高级工程师，他们在视觉方面的研究，目前落后于最近的SOTA视觉方法，像ViT、SigLIP、PaliGemma这些开源模型，开始抢人大战。蓝方：deepmindGenCast天气模型代码和模型开源，GoogleDeepMind在《自然》杂志上发布了一个AI天气预...OpenAIDeepmindAIReal-Time Voice Cloning：5 秒解锁声音克隆，凭啥斩获 52.9k Stars？
精华如今，人工智能发展势头迅猛，新技术、新应用如雨后春笋般不断涌现。在这片科技浪潮里，语音克隆技术格外亮眼，就像一颗闪闪发光的宝石，正一点点改变着我们生活中和声音有关的方方面面，不管是影视配音、语言学习辅助，还是智能语音交互，它都有用武之地。今天，咱们就一起好好探究下一款很有代表性的实时语音克隆工具——RealTimeVoiceCloning。一、RealTimeVoiceCloning简介CorentinJ的RealTimeVoiceCloning项目是一个开创性...声音克隆语音一篇RAG噪声分析的综述
嘿，大家好！这里是一个专注于AI智能体的频道！今天分享一个针对RAG噪声的综述，中文标题为：潘多拉魔盒还是阿拉丁神灯：揭示RAG噪声在大型语言模型中作用的综合分析Pandora’sBoxorAladdin’sLamp:AComprehensiveAnalysisRevealingtheRoleofRAGNoiseinLargeLanguageModels检索增强生成（RAG）已成为解决大型语言模型（LLMs）幻觉问题的关键方法。尽管近期研究已将RAG模型扩展到复杂的噪声场景中，但这些探索往往局限于有限的噪...RAG噪声模型AI大模型实践之字节0-1智能客服
原创之前朋友做过的智能客服项目，今天整理脱敏出来帮大家做一个项目参考，整个工作流已经细分好，大家跟着自己实操做一遍，完善并且补充自己的项目经历，提高简历的含金量和通过率！✅需求分析：随着TiDB和TiDBCloud用户的增长，支持人员数量不足，超过50%的用户问题可在官方文档中找到答案，但文档内容繁多，用户难以找到所需信息，因此需要构建集成官方文档知识的机器人。🛅了解LLM的能力与限制：能力：包括理解语义、逻辑推理、...AI大模型大模型长文本所面临的主要问题
原创“大模型上下文窗口的根本问题，是大模型的记忆问题”在上一篇文章中主要介绍了大模型的上下文窗口，以及其与RAG技术的关系与区别；而事实上，大模型上下文窗口面临着更加复杂的问题，因此今天就来详细讨论一下这个问题。大模型长文本大模型（如GPT4、GPT3.5、BERT等）处理长文本时面临一些特殊的挑战和技术细节。对于长文本的处理，常见的问题包括模型的输入长度限制、生成质量控制、计算资源消耗等。以下是一些关于大模型处...大模型浅看大模型用于Text2SQL的综述
原创前言我们来看看大模型在text2sql上的一篇综述，大模型的发展，出现了一系列新方法，主要集中在提示工程（promptengineering）和微调（finetuning）上。这篇综述提供了LLMs在TexttoSQL任务中的全面概述，讨论了基准数据集、提示工程、微调方法和未来的研究方向。Text2SQL利用大型语言模型（LLMs）解决文本到SQL任务的方法，主要包括提示工程和微调两大类。1.提示工程提示工程通过设计结构化的提示，使LLMs能够理解任务需求并生成...Text2SQL提示工程微调快手前端动效大揭秘：告别低效，vision平台来袭！
导读：动效平台作为快手举办大型线上活动的坚实后盾，发挥着承上启下的关键作用。本篇文章将全方位地为您呈现Vision动效平台的整体架构及其演进思路，为您揭开这一强大平台的神秘面纱。一、前言本系列文章从我们在Vision动效平台中做的一些工作为切入点，计划通过多篇文章全面展现我们的工作成果。首篇将阐述Vision动效平台的整体演进思路，聚焦于平台的核心能力，为读者勾勒出我们在动效领域的初步布局。随后，我们将详细介绍...前端高效使用Cursor以实现10x编程
原创译者布加迪审校重楼出品51CTO技术栈（微信号：blog51cto）在生成式人工智能时代，我们的许多工作已发生了巨大的变化，这包括编程工作，大语言模型（LLM）极大地促进了这个过程。最近，许多基于生成式人工智能的代码辅助工具已纷纷亮相。许多工具执行同样的任务，但有一款工具备受公众的关注，那就是Cursor。Cursor是一款基于AI的代码编辑器，旨在让开发人员可以致力于改善工作体验，而不是仅仅修复代码。Cursor对开发人员大有帮...Curso编程AI刷屏了！Genie 2开启文生游戏时代，可交互的世界模型震撼登场！背后团队曝光；12天直播能否截胡老对手
编辑伊风出品51CTO技术栈（微信号：blog51cto）AI公司年底要冲业绩了！一觉醒来，OpenAI宣布了未来12天的直播活动，而老对手谷歌直接发布了Genie2，宣布在世界模型方面又迈出重要一步！图片但，至少今天是谷歌更胜一筹——Genie2是在太令人印象深刻了！用GoogleDeepMind首席执行官DemisHassabis话来说：“世界模型正在成形。”图片给Genie2一张照片，它给你一个可以交互的世界！无论是创造一个飞船上的游戏世界，还是想变身行走...Genie 2OpenAI模型吴恩达开源AISuite，简单高效调用多个大模型
AISuite是个Python库，能让你通过单一接口轻松接入多家生成式AI服务。今天带大家一步步了解如何安装和配置AISuite，并使用它与各种AI模型进行高效互动。1安装AISuiteAISuite托管在GitHub上，可以通过pip安装。运行以下命令：pipinstallaisuite此命令将获取并安装该库及其依赖项。2设置API密钥要与生成式AI提供商交互，需要从计划使用的提供商那里获取API密钥。AISuite支持多个提供商，例如：OpenAI，Anthropic，Azure，Google，...吴恩达开源AISuiteM3DocRAG：文档问答用哪个多模态大模型效果最好？
1.文档视觉问答现状文档视觉问答（DocVQA）是通过解读文档图像所含信息来回答文本问题的多模态任务。精准高效地回答众多冗长且布局繁杂的文档中的问题，会给金融、医疗保健和法律等诸多领域带来极大益处，在这些领域，文档AI助手能够简化大量文档的日常处理，提升生产力，助力更快、更明智的决策。现有的DocVQA任务，主要有以下两种方案：•1.聚焦于单页文档的视觉问答，如下图。图片•2.从文档中提取文本（比如OCR或PDF文本提...M3DocRAG多模态大模型
