AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
无性能损失！让SAM加速近50倍！EfficientViT-SAM来了！
今天给大家分享一个加速视觉分割大模型的工作：EfficientViTSAM。这是一种新的加速SAM系列。保留了SAM的轻量级提示编码器和mask解码器，同时用EfficientViT替换了沉重的图像编码器。对于训练，首先从SAMViTH图像编码器到EfficientViT的知识蒸馏开始。随后在SA1B数据集上进行端到端训练。由于EfficientViT的效率和容量，EfficientViTSAM在A100GPU上的TensorRT加速比SAMViTH高出48.9倍，而且不会牺牲性能。开源地址：https:github...图像模型好奇心驱使的自动红队测试：MIT学者教你如何让大模型避免产生仇恨或有害的输出
原创研究人员创建了一个奇特的机器学习模型，用于寻找更广泛的提示，以训练聊天机器人避免产生仇恨或有害的输出。用户可以要求ChatGPT编写计算机程序或总结一篇文章，AI聊天机器人很可能能够生成有用的代码或写出合理的摘要。然而，也有人可能会要求制造炸弹的说明，而聊天机器人也可能会提供这些。为了防止这种情况以及其他安全问题，通常构建大型语言模型的公司会使用一种称为“红队测试”的过程进行保障。人类测试团队编写旨在触...大模型Grok多模态大模型Grok-1.5V来了！
原创Grok1.5V是下xAI第一代多模态大模型，除了其强大的文本能力外，Grok现在还可以处理各种各样的视觉信息，包括文档、图表、示意图、截图和照片。Grok1.5V即将提供给早期测试人员和现有的Grok用户使用。能力Grok1.5V在多个领域与现有多模态大模型具有竞争力，从多学科推理到理解文档、科学图表、截图和照片。Grok在新RealWorldQA基准测试中表现优异，该测试衡量了对现实世界空间理解的能力。对于下面的所有数据集，在零提示的情况...Grok多模态大模型如何测试大模型
原创出品51CTO技术栈（微信号：blog51cto）围绕使用AI助手减少手动工作、利用代码生成器提高软件开发者生产力和通过生成式AI进行创新，业界正掀起一股热潮。这些商业机遇促使许多开发团队构建知识库，使用向量数据库，并将大型语言模型（LLMs）嵌入到他们的应用中。构建具有LLM功能的应用程序的一些通用用例包括搜索体验、内容生成、文档摘要、聊天机器人和客户服务应用。行业实例包括在医疗保健领域开发患者门户、在金融服务领域改...模型数据库LLM碳课堂｜碳关税是什么？企业如何从容应对？
2023年10月1日，欧盟碳边境调节机制（CBAM）法规，即全球首个“碳关税”开始实施。据世界银行研究报告称，如果“碳关税”全面实施，在国际市场上，中国制造可能将面临平均26%的关税，出口量可能因此下滑21%。本文为大家深度解读碳关税，从碳关税的定义、发展历程、征收方式到相关影响、企业应对措施五个方面展开。一、碳关税的定义碳关税，即碳边界调整机制（CBAM），也称碳边境调节税，指主权国家或地区对高耗能产品进口征收的...碳管理碳课堂推荐！精选五大GPT模型，提升智能交互体验
最近，ChatGPT推出了一项引人注目的新功能——自定义GPT，这一创新功能为用户带来了前所未有的个性化体验。通过提供特定的文档、网页链接等资料，用户可以轻松打造一个完全符合自己需求和偏好的聊天机器人。启用该功能后，聊天机器人将能够更好地理解用户的意图，提供更加个性化和精准的交流体验。这一功能的推出，无疑将为用户带来更加便捷、高效的沟通方式，让每一次交流都充满惊喜和满足。如果你暂时不想亲自动手创建定制版...GPT模型智能初创公司如何从零开始训练出优秀的LLMs
精华鉴于我们在Reka成功地培训了相当强大的多模态语言模型，许多人对从零开始建立基础设施并训练大型语言和多模态模型的经验特别感兴趣。我在社交媒体上经常抱怨外部（Google之外）的基础设施和代码，这让人们对我在荒野中错过了什么，以及我对什么讨厌喜欢非常好奇。所以终于有了这篇文章。这篇博客文章揭示了挑战和经验教训。我希望这篇文章对许多人来说既有趣又有教育意义。在荒野中训练LLMs（图片由DallE生成）在LLMs时代的硬件...LLMsGoogle硬件模拟一切实现AGI？OpenAI Sora核心成员最新演讲+专访来了
通过什么方式够实现通用人工智能？近期由AGIHouse组织的一场主题演讲给出了解答。OpenAISora团队核心成员TimBrooks和BillPeebles对通用人工智能的实现分享了一些他们的看法，作为Sora研究负责人，他们表示：「视频生成技术将通过模拟一切来实现AGI」。这不禁引发了网友们的惊叹：模拟一切！兄弟，我好怕……也有网友对其所称的「模拟一切」进行调侃，认为AGI是不可能实现的。从Sora发布以来，就吸引了众多人的关注，其功能的强...AGI模拟“音乐版Sora”服务器挤爆！功能比Suno丰富还能生成脱口秀，每人每月1200首免费畅玩
前两天刚刚疯传的Suno挑战者、“音乐版Sora”正式现真身：正式名称Udio，已完全免费开放，每人每月有足足1200首额度，网友们都玩疯了。有人居然写了首催更奥特曼快点发布GPT5的金属作品。咳咳，更高能的甚至还创作出了脱口秀……！创始人看完都直拍大腿：这绝对是我们意料之外的功能。场面之热闹，有了Sora诞生之时的感觉了。不仅各种风格要啥有啥（古典、流行、说唱、钢琴爵士、重金属等等），还支持多种语言，中文韩文歌也可...生成音乐实力打脸！Adobe用竞品Midjourney图片训练Firefly。内部员工批评不断终爆料
原创撰稿｜言征出品51CTO技术栈（微信号：blog51cto）AIGC圈太魔幻了，啪啪打脸的时刻总是在路上！开源的模型会变闭源，比如被认为是开源独角兽的Mistral，开始考虑“使命与商业利益之间的平衡”，推出闭源的旗舰大模型Large。当然，上一次这么说的还要数OpenAI。不过在外界看来，理由就是四个字：我、要、赚、钱！再比如，一开始攻击谷歌搜索广告泛滥的AI搜索宠儿PerplexityAI也宣布了自己网站开始卖起了广告位，同样一改对于“恰...AdobeAIMidjourney仅听3秒，AI零样本克隆人声达到人类水平，情绪语调随意改
这就是微软与中国科技大学、香港中文大学（深圳）和浙江大学等机构合作，推出的NaturalSpeech3系统。该系统采用了创新的属性分解扩散模型和属性分解语音神经编解码器FACodec，从“表示”和“建模”两个维度对语音数据进行深入研究。通过数据模型的规模化方法，在多说话人数据集LibriSpeech上首次实现了零样本的人类水平语音合成。指定特征实现个性化输出文本到语音合成（TTS）技术作为生成式人工智能的关键分支，在大型语言模型...模型代码除了唱歌，AI还能替你演出？又一AI公司将虚拟人推到新高度
精华用Suno十秒写歌，是不是已经很震撼？现在不仅如此，用最新的AI工具，我们还可以快速生成歌手唱歌MV。最近，一家名为AKOOL的AI公司推出了一个唱歌虚拟人工具，用户只需在平台上选择虚拟人，简单输入歌词指令，便可生成能唱歌的虚拟人MV。视频中的“歌手”在雪地里随着音乐翩翩起舞，“假唱”对口型也毫不逊色。声音、面容，一键替换AKOOL拥有丰富的AI换脸视觉表现技术以及成熟的声音克隆技术。在Tiktok上，用AKOOL制作的换脸、换...AI数字世界曾爆火的 InstantID又有了新玩法：风格化图像生成，已开源
风格化图像生成，也常称为风格迁移，其目标是生成与参考图像风格一致的图像。此前基于diffusion的方法（比如LoRA）通常需要批量的同风格数据进行训练，无法迁移到新的风格中，或者基于inversion（如StyleAlign），通过将风格图像还原到latentnoise后，将其前向传播得到的K、V用于替换风格图像生成中的K、V，但这类方法往往由于inversion的操作，造成风格退化。最近，InstantID原班团队推出了风格迁移的新方法InstantStyle，与人...图像生成开源GPT超越扩散、视觉生成Scaling Law时刻！北大&字节提出VAR范式
新一代视觉生成范式「VAR:VisualAutoRegressive」视觉自回归来了！使GPT风格的自回归模型在图像生成首次超越扩散模型，并观察到与大语言模型相似的ScalingLaws缩放定律、ZeroshotTaskGeneralization泛化能力：论文标题:"VisualAutoregressiveModeling:ScalableImageGenerationviaNextScalePrediction"这项名为VAR的新工作由北京大学和字节跳动的研究者提出，登上了GitHub和Paperwithcode热度榜单，并得到大量同行关注：目前体验...模型图像生成一文带你全面了解开源时间序列预测利器——TimeGPT
原创引言当今时代，人工智能从根本上重塑了预测分析，使预测比以往任何时候都更加精确。所有行业的企业都在利用人工智能的广泛能力来预测未来趋势，并为即将到来的事情做好准备。任何预测的准确性都取决于许多因素：人工智能算法的复杂性、预测模型的稳健性，以及它们所训练的数据的质量和数量，等等。Nixtla公司开发的开源产品TimeGPT（https:docs.nixtla.iorefhackernoon.com）是一个专门为预测时间序列数据而设计的生成式预训练...人工智能TimeGPT算法数字化转型究竟能为企业带来哪些巨变？
L集团是一家大型企业集团。随着集团数字化转型进程的加速，如何保证数字化落地过程不打折扣、落地效率和效果可控？为此，L集团选择携手AMT企源，在数字化规划合作之后，开展数字化转型全过程管理合作。在项目开展的一年时间里，AMT企源和L集团组成的联合项目组主要聚焦于补短板、打基础，仅为集团数字化系统建设的落地开展了卓有成效的全过程管理工作，而且在各系统建设过程中，持续推进数据治理项目、提升基础设施能力，为数字...数字化转型AMT企源核桃CMS - 支持涉密系统分级保护、国产化环境
核桃CMS是一款基于SpringBoot2架构的JAVA网站建设平台，主要特点是支持涉密信息系统分级保护功能、支持国产化环境、支持等保二、等保三级、提供全文搜索引擎、支持多级审批、支持动静混合模式，能够更好的适配涉密信息系统及内部网站建设需求。核桃CMS基于SpringBoot2架构，前端基于vue、elementui，是一款安全、可靠、稳定的网站建设平台，已经在多家央企、部委部署使用。核桃CMS支持全系列JAVA运行环境，包括国产操作系统、中...CMS系统直接扩展到无限长，谷歌Infini-Transformer终结上下文长度之争
精华谷歌又放大招了，发布下一代Transformer模型InfiniTransformer。InfiniTransformer引入了一种有效的方法，可以将基于Transformer的大型语言模型(LLM)扩展到无限长输入，而不增加内存和计算需求。使用该技术，研究者成功将一个1B的模型上下文长度提高到100万；应用到8B模型上，模型能处理500K的书籍摘要任务。自2017年开创性研究论文《AttentionisAllYouNeed》问世以来，Transformer架构就一直主导着生成式人工智能领域。而谷歌...Transformer架构LiDAR仿真新思路 | LidarDM：助力4D世界生成，仿真杀器~
精华原标题：LidarDM:GenerativeLiDARSimulationinaGeneratedWorld论文链接：https:arxiv.orgpdf2404.02903.pdf代码链接：https:github.comvzyrianovlidardm作者单位：伊利诺伊大学麻省理工学院论文思路：本文提出了LidarDM，这是一种新颖的激光雷达生成模型，能够产生逼真、布局感知(layoutaware)、物理上可信以及时间上连贯的激光雷达视频。LidarDM在激光雷达生成建模方面具有两个前所未有的能力：（一）由驾驶场景引导的激光雷达...激光雷达模型为什么大佬都在说Agent是未来？换个角度来谈一谈
很多AI领域大佬，如吴恩达，Karpathy都表示看好Agent，将其作为未来最有潜力的方向。笔者曾经在之前文章提到过“RAG的尽头是Agent，AI的尽头是替代人”。这里的核心推理逻辑是什么？我们首先以“用户去某地旅游”为需求来解释LLM、RAG、Agent三者的能力边界以及需求满足度。LLM：能够生成“无法考证可能正确”以及“不一定及时”的相关行程攻略，景点等信息。RAG：能够检索一些时效性高、内容可靠的信息源的内容，并生成相关的...AgentAISOP
