AI.x社区

环境：python3.9pytorch1.8及其以上都可以模型创新点还未发表，有毕业设计或者发小论文需求的同学必看，模块丰富，创新度高，性能优越！创新点：1.利用时间卷积网络（TCN）的一系列时间卷积层，这些卷积层可以有效地捕获不同时间尺度上的序列模式，在TCN的输出上应用SENet模块，用于学习和增强重要特征的表示，提高模型对关键信息的感知能力；2.通过双向门控循环单元（BiGRU）同时从前向和后向对序列进行建模，以更好地捕获序列...

如果试题太简单，学霸和学渣都能考90分，拉不开差距……随着Claude3、Llama3甚至之后GPT5等更强模型发布，业界急需一款更难、更有区分度的基准测试。大模型竞技场背后组织LMSYS推出下一代基准测试ArenaHard，引起广泛关注。Llama3的两个指令微调版本实力到底如何，也有了最新参考。与之前大家分数都相近的MTBench相比，ArenaHard区分度从22.6%提升到87.4%，孰强孰弱一目了然。ArenaHard利用竞技场实时人类数据构建，与人类偏好...

大家好，我是HxShine，今天推荐一篇UCBerkeley的一篇RAG效果优化的文章～大模型引入新的知识一般有两个途径，一种是RAG检索增强，一种是SFT，哪种方式效果比较好呢？或者说有没有一些其他的更为有效的方式呢？这篇论文介绍了一种新的训练方法——检索增强型微调（RAFT：RetrievalAugmentedFineTuning），旨在改善领域特定的RAG（RetrievalAugmentedGeneration）条件下，大型语言模型（LLMs）对问题的回答能力。简单来说，RAFT将...

上篇：​​融汇14款AI工具构建完美应用​​如您所见，人工智能（AI）应用在近年来得到了长足的发展。从语音助手到软件开发，人工智能已在我们的生活中无处不在，并得到了广泛应用。下面，我将为您介绍25个开源项目，您可以用它们来制作自己的人工智能应用程序，并使其更上一层楼。1.Taipy将数据和人工智能算法转化为可投入生产网络的应用作为一个开源的Python库，Taipy（https:github.comAvaigataipy）提供了假设分析、智能管道...

出品51CTO技术栈（微信号：blog51cto）​Mistral的首席执行官亚瑟·门施（ArthurMensch）表示，对于创造通用人工智能的迷恋，其实质是关于“创造上帝”。这位CEO并不相信埃隆·马斯克（ElonMusk）和山姆·奥特曼（SamAltman）关于人工智能将超越人类智能的预测。门施警告说，科技巨头可能会强加与全球文化和价值观相冲突的人工智能标准。1.AI界的无神论者Mistral的创始人兼首席执行官亚瑟·门施不相信上帝——因此，他也不相信...

最近几年，AI技术的发展远远超出普通大众和研究者的预期，「通用人工智能（AGI）」的概念也从科幻小说中走进了日常生活的讨论中，成为了许多科技公司和研究机构所追求的最终目标。AI行业的领头羊OpenAI表示，其使命是「确保通用人工智能造福全人类」；DeepMind在公司愿景声明中也指出，「人工通用智能有可能推动历史上最伟大的变革之一」；AGI概念在英国政府的国家人工智能战略和美国政府的人工智能文件中也被着重提及；微软的...

拖动式图像编辑是一种新型的、用户交互式的图像编辑方法。通过设置起始点与目标点，用户可以将图像的内容拖动至指定位置，得到合理的图像结果。当前的拖动式编辑基于GAN或者diffusion模型。然而这些方法或受限于GAN模型本身的生成能力，或在diffusion模型上无法得到稳定且高质量的结果。论文地址：​​https:arxiv.orgabs2404.07206​​项目地址：​​https:gooddrag.github.io​​最近，西安交通大学和麦克马斯特大学的研究人...

过去几年来，扩散模型强大的图像合成能力已经得到充分证明。研究社区现在正在攻克一个更困难的任务：视频生成。近日，OpenAI安全系统（SafetySystems）负责人LilianWeng写了一篇关于视频生成的扩散模型的博客。LilianWeng机器之心对这篇博客进行了不改变原意的编译、整理，以下是博客原文：视频生成任务本身是图像合成的超集，因为图像就是单帧视频。视频合成的难度要大得多，原因是：1.视频合成还需要不同帧之间保持时间一致性...

引言近年来，多模态大型语言模型（MLLM）在各个领域的应用取得了显著的成功。然而，作为许多下游任务的基础模型，当前的MLLM由众所周知的Transformer网络构成，这种网络具有较低效的二次计算复杂度。为了提高这类基础模型的效率，大量的实验表明：（1）Cobra与当前计算效率高的最先进方法（例如，LLaVAPhi，TinyLLaVA和MobileVLMv2）具有极具竞争力的性能，并且由于Cobra的线性序列建模，其速度更快。（2）有趣的是，封闭集挑战...

一个可以自动分析PDF、网页、海报、Excel图表内容的大模型，对于打工人来说简直不要太方便。上海AILab，香港中文大学等研究机构提出的InternLMXComposer24KHD（简写为IXC24KHD）模型让这成为了现实。相比于其他多模态大模型不超过1500x1500的分辨率限制，该工作将多模态大模型的最大输入图像提升到超过4K（3840x1600）分辨率，并支持任意长宽比和336像素～4K动态分辨率变化。发布三天，该模型就登顶HuggingFace视觉问答模型热度...

Llama3诞生之后便艳压群雄，开源界已无「模」能敌。甚至，让网友为OpenAI捏了一把汗！现在的Llama370B已经一路攀升到大模型排行榜前列，仅次于GPT4，打败了Claude3Opus。没想到，70B都这么能打，400B简直不敢想象。英伟达高级科学家JimFan预言，「GPT5一定会在Llama3400B发布之前出世」！还有网友认为，「我们现在有了一个顶级的开源竞争者，OpenAI的巨大优势已经不复存在」。从Llama1，到Llama2、代码版CodeLlama高调开源，颠...

在日常活动中，人的运动经常引起衣服的附属运动(secondarymotionofclothes)并因此产生不同的衣服褶皱，而这需要对人体及衣服的几何、运动（人体姿态及速度动力学等）及外观同时进行动态建模。由于此过程涉及复杂的人与衣服的非刚体物理交互，导致传统三维表征往往难以应对。近年从视频序列中学习动态数字人渲染已取得了极大的进展，现有方法往往把渲染视为从人体姿态到图像的神经映射，采用「运动编码器—运动特征—外观解码器...

随着人工智能的发展，语言模型和生成模型获得了大量的成功并且在设计模型的过程中，模型的参数量也越来越大。对于细粒度理解任务，模型参数量也同样在增加。然而目前现有的数据集存在规模和精度的矛盾，例如SA1B数据集中99.1%的mask都是机器生成的，但没有赋予语义的标签，而其他一些公开数据集也同样存在精度问题并且这些数据集的规模一般都比较小。近期，字节跳动提出了新一代细粒度理解的数据集，针对当代深度学习模型的设计...

在这个大模型不断创造新成就的时代，我们通常对机器学习模型有一个直观认知：越大越好。但事实果真如此吗？近日，GoogleResearch一个团队基于隐扩散模型（LDM）进行了大量实验研究，得出了一个结论：更大并不总是更好（BiggerisnotAlwaysBetter），尤其是在预算有限时。论文标题：BiggerisnotAlwaysBetter:ScalingPropertiesofLatentDiffusionModels论文地址：https:arxiv.orgpdf2404.01367.pdf近段时间，隐扩散模型和广义上的...

「别让YannLeCun看见了。」YannLeCun表示太迟了，他已经看到了。今天要介绍的这篇「LeCun非要看」的论文探讨的问题是：Transformer是深谋远虑的语言模型吗？当它在某个位置执行推理时，它会预先考虑后面的位置吗？这项研究得出的结论是：Transformer有能力这样做，但在实践中不会这样做。我们都知道，人类会思而后言。数十年的语言学研究表明：人类在使用语言时，内心会预测即将出现的语言输入、词或句子。不同于人类，现在的语...

为了提高企业组织碳排放报告信誉度，国际标准化组织（ISO）发布了ISO14064标准（全称：《ISO140641组织层次上对温室气体排放和清除的量化和报告的规范及指南》），报告中详细规定了公司温室气体清单的原则和要求、量化组织的温室气体排放方法及原则、明确改进措施、报告内容及规范。本文意在详细介绍该标准要点，标准大体内容及流程如图所示。一、原则相关性、完整性、一致性、透明度、准确性。这些原则指出标准的目的和遵循方...

现在，AI系统的预测准确率达到甚至超过了人群。在不断发展的人工智能（AI）领域，语言模型已取得了重大进展，实现了曾经被认为人类认知才能实现的非凡成就。比如说，Anthropic新的Claude3语言模型似乎能够意识到它被测试或被评估，这为AI领域原本惹人瞩目的进步另外增添了一层复杂性。这个进展特别值得注意的一个新领域是预测领域——对未来事件做出准确预测的能力。我们在这篇博文中将深入研究一篇突破性的研究论文（​https:a...

每年，人工智能指数都会带着更强大的影响力登陆我们的虚拟桌面。今年，它厚厚的393页不仅仅是数字的堆砌——它预示着2023年将是人工智能领域的一个里程碑。今年的AIIndex报告由斯坦福大学以人为本的人工智能研究所（HAI）发布，新增了关于负责任人工智能的深入章节，以及科学和医学领域人工智能应用的新内容。还包括了对研发、技术性能、经济、教育、政策和治理、多样性以及公众舆论的全面分析。4月16日，斯坦福HAI研究所发布了...

介绍大型语言模型（LLM）通过工具调用能够与外部数据源进行交互。这项技术让开发者能够利用LLM来获取、交互和操作外部资源（比如数据库、文件和API等）。随着越来越多的LLM提供商开始提供工具调用功能，我们注意到市场上出现了多种多样的接口。为了解决这个问题，LangChain推出了一个标准化的接口，这样用户就可以轻松地在不同的LLM提供商之间进行切换。这个标准化接口包括以下几个方面：ChatModel.bindtools：这个方法允许您将...

编译言征出品51CTO技术栈（微信号：blog51cto）K8s和大模型真的搭吗？本文抛出了一个问题，但答案仍有待验证。1.K8s迎来了新的受众群体假设一位机器学习研究人员阅读了一篇研究论文，并想在PyTorch环境中使用基于Python的GPU进行测试。她要求她的工程团队访问一个带有两个GPU的Jupyter笔记本和她的所有库。工程团队告诉她：这需要三天时间。他们必须获取GPU的来源，创建一个堆栈，然后授予对JupyterHub的访问权限。“这正是DevO...