AI.x社区

春“码”盎然学习季开奖啦！以下为本次活动获奖名单，请于三日内将收货信息发给51CTO小助手（微信号：assistant51cto），包括收货姓名、收货电话、收货地址等。极速先锋获奖用户好运锦鲤获奖用户参与方式1参与方式2暮然回望刘小嫩毛毛的深秋纳西木子木兆lvguoeryangyang123yangyang123畅哥爱唱歌湾湾大眼萌叔误会一场钢笔心小屁孩baoxiz暮然回望yangyang123湾湾木子木兆钢笔心中奖的小伙伴赶紧微信联系51CTO小助手哦！以下为活...

一、概述•Title:ReasoningwithLanguageModelisPlanningwithWorldModel•URL:​​https:arxiv.orgabs2305.14992​​•Code：​​https:github.commaitrixorgllmreasoners​​•Demo:​​https:github.commaitrixorgllmreasonersblobmaindemo.ipynb​​1Motivation•尽管COT表现不错，但是当前LLM在生成plan、复杂数学推理、逻辑推理时仍然表现不够好。•LLMs缺乏内部“世界模型”来预测世界状态（例如环境状态、中间变量值）并...

随着5G的全球部署和6G标准的制定，移动网络的演进速度日益加快。在这一过程中，机器学习（ML）技术因其卓越的数据处理能力、洞察力和决策能力而成为智能移动网络的有效解决方案。但是传统的ML算法在处理复杂的网络任务时，往往受限于其算法的局限性和训练数据的质量与规模。与此同时，LLMs和GPTs在近年来展现出了在各种认知任务中接近人类水平的性能，但它们在基础任务中常常缺乏常识，因此更多地被视为人类的辅助工具。6月7日...

以下为本次活动获奖名单（名单中为用户昵称），请于三日内向51CTO小助手（微信号：assistant51cto）提供回帖截图用以核实获奖信息，并将收货信息发给51CTO小助手，包括收货姓名、收货电话、收货地址等。活动1：超级「码」力意见箱活动2：智启万象｜2024Google开发者大会话题讨论活动3：一起看2024Google开发者大会话题讨论活动4：技术灵感升级打卡计划活动5：AI探索号投票tjm2613165s萧封ntmyxz1我心依旧萧封一吃就胖lvguoer禹...

预测未来模型能力！微调揭示LLM涌现能力的关键在加州大学伯克利分校的智慧殿堂中，一群天才研究者们正试图解开现代大型语言模型（LLM）扩展中的一个根本性难题：涌现能力的不可预测性。想象一下，你正在训练一个语言模型，它的预训练损失随着计算量的增加而可预测地下降，就像一个乖巧的学生按部就班地学习。但当涉及到下游任务时，情况就变得复杂了——有时模型会在某个看似随机的点上突然“开窍”，这种“涌现”现象让预测未...

本文探讨了人工智能正在重塑IaC运营的一些重要领域，并讨论了未来可能会发生的情况。在当今的技术领域中，人工智能（AI）几乎在每个领域都产生了深远的影响。基础设施即代码（IaC）的爱好者一直在探索人工智能如何推动IaC生态系统的下一场变革。正如人们所看到的，人工智能在提升DevOps和平台能力方面发挥着重要作用。而且很明显的是，人工智能将成为未来IaC实践的核心。以下将探讨人工智能正在重塑IaC运营的一些重要领域，并讨...

何恺明再次开宗立派！开辟了生成模型的全新范式——分形生成模型FractalGenerativeModels，首次使逐像素生成高分辨率图像成为可能，论文名字依旧延续以往的大道至简风格。团队将生成模型本身抽象为可复用的“原子模块”。通过递归地在生成模型中调用这些原子生成模块，可以构建出一种自相似的分形架构。其灵感源于数学中的分形思想。它相当于一个粗糙或零碎的几何形状分成数个部分，每一部分都（至少近似地）是整体缩小后的形状...

要成功实现DeepSeek大模型的私有化部署，绝非易事，从模型选型到基础设施搭建，再到推理部署工程优化，每一个环节都需要精心规划与考量。接下来，让我们深入探讨企业私有化部署DeepSeek的关键要点与策略。1DeepSeek模型选型在企业进行deepseek大模型私有化部署时，模型选型是至关重要的第一步，它直接关系到后续的应用效果与成本投入。通过业务场景适配性分析确定合适的模型，能让企业充分发挥大模型的价值。DeepSeek提供了多种...

文章链接：https:arxiv.orgpdf2408.11001项目链接：https:haoningwu3639.github.ioMegaFusion亮点直击提出了一种无需调优的方法——MegaFusion，通过截断与传递策略，以粗到细的方式高效生成百万像素的高质量、高分辨率图像;结合了膨胀卷积和噪声重新调度技术，进一步优化了预训练扩散模型对高分辨率的适应性;证明了该方法在潜空间和像素空间扩散模型及其扩展模型中的适用性，使其能够在大约原始计算成本的40%下生成具有多种纵...

论文链接：https:arxiv.orgpdf2404.16748今天和大家分享的这个工作，核心是解决了从文本描述生成3D穿着衣物的人体的任务。先前的工作通常将人体和衣物编码为一个整体模型，并在单阶段优化中生成整个模型，这使得它们在进行服装编辑时困难重重，同时失去了对整个生成过程的细粒度控制。为了解决这个问题，本文提出了一种分层式的穿着人体表示方法，结合渐进优化策略，可以生成解耦的3D人体模型，同时提供对生成过程的控制能力。...

AI的第二波浪潮：推理与优化预训练模型在AI应用的首波浪潮中，早期的探索者专注于开发与训练基础模型，为变革性的AI能力奠定了基石。然而，2025年的焦点将发生转移。我们正步入AI应用的第二波浪潮，推理与微调预训练模型将成为核心所在。企业将愈发倾向于将现有模型作为可定制的工具加以利用，而非投入大量时间与资源从零开始构建新模型。这一趋势源自企业加速AIROI的务实考量。预训练模型本质上属于可定制的模板，能够使企业以...

谷歌DeepMind的研究人员推出了一种面向3D环境的通用AI代理——SIMA。SIMA无需访问游戏的源代码，也不需要定制的API。只需要输入图像和用户提供的简单自然语言文本指令，SIMA就能像人类玩家一样执行走路、跑步、建造、打开地图等各种游戏中的操作。为了测试、训练SIMA的性能，研究人员与8个游戏工作室合作，在《无人深空》、《模拟山羊3》、《Teardown》、《挖矿模拟器》等知名复杂3D游戏上进行了综合测试。结果显示，用户只需要...

摘要本文主要介绍2024年AI领域的发展，并展望2025年AI应用技术的发展趋势。首先，文章回顾了2024年AI技术的迭代与突破，重点涵盖了深度学习、大模型、算法创新和模型进化，尤其是大语言模型和多模态模型的迅猛发展。这些技术创新不仅提升了模型在理解和生成多任务、多模态内容的能力，也推动了AI在多个领域的应用。其次，本文分析了2024年AI应用的落地情况，探讨了AI技术如何在行业中得到实际应用，特别是在医疗、自动驾驶和智...

​​摘要:我们提出了一种简单的提示技术——“退一步”提示（STEPBACKPROMPTING），该技术能够使大语言模型（LLMs）进行抽象，从包含特定细节的实例中推导出高层次概念和基本原理。通过使用这些概念和原理来指导推理，LLMs显著提高了沿着正确推理路径找到解决方案的能力。我们在PaLM2L、GPT4和Llama270B模型上进行了“退一步”提示的实验，并在包括STEM、知识问答（KnowledgeQA）和多跳推理（MultiHopReasoning）等各种具有挑战...

AIAgent（智能体）作为大模型的重要应用模式，能够通过使用外部工具来执行复杂任务，完成多步骤的工作流程。为了能全面评估模型的工具使用能力，司南及合作伙伴团队推出了TEval评测基准，相关成果论文已被ACL2024主会录用。查看原文：https:arxiv.orgabs2312.14033​PART1为什么需要TEval？使用了工具的大语言模型有着惊艳的问题解决能力，但是如何评估模型的工具使用能力还有很大的探索空间。现有评估方法通常只关注模型处理单...

随着2024年渐行渐远，我们迎来了一个充满AI创新与突破的年度回顾。从大型语言模型的进一步发展，到计算机视觉、AI安全等领域的革命性进展，研究社区在过去一年里确实做出了许多令人震撼的贡献。面对如此多的科研成果，哪些研究真正让我们停下来思考？哪些论文启发了我们，激发了“我如何将这些成果应用到自己的工作中？”的好奇心？在这篇文章中，我将分享我个人最喜欢的2024年AI研究论文，这些研究不仅令我兴奋，也让我迫不及...

AI发展科研机构Epochai在官网发布了一项，关于大模型消耗训练数据的研究报告。目前，人类公开的高质量文本训练数据集大约有300万亿tokens。但随着ChatGPT等模大型的参数、功能越来越强以及过度训练，对训练数据的需求呈指数级增长，预计将在2026年——2032年消耗完这些数据。研究人员特别提到了“过度训练”（Overtraining）是加速消耗训练数据进程的主要原因之一。例如，Meta最新开源的Llama3的8B版本过度训练达到了惊人的100...

Transformer的重要性无需多言，目前也有很多研究团队致力于改进这种变革性技术，其中一个重要的改进方向是提升Transformer的效率，比如让其具备自适应计算能力，从而可以节省下不必要的计算。正如不久前Transformer架构的提出之一、NEARProtocol联合创始人IlliyaPolosukhin在与黄仁勋的对话中说到的那样：「自适应计算是接下来必须出现的。我们要关注，在特定问题上具体要花费多少计算资源。」其实人类就天生具备自适应计算的能...

图学习领域的数据饥荒问题，又有能缓解的新花活了！OpenGraph，一个基于图的基础模型，专门用于在多种图数据集上进行零样本预测。背后是港大数据智能实验室的主任ChaoHuang团队，他们还针对图模型提出了提示调整技术，以提高模型对新任务的适应性。目前，这项工作已经挂上了GitHub。据介绍，这项工作主要深入探讨增强图模型泛化能力的策略（特别是在训练和测试数据存在显著差异时）。而OpenGraph旨在通过学习通用的图结构模式，...

撰稿丨诺亚如何让一个AI回答一个它本不应该作答的问题？有很多这种所谓的“越狱”技术，而Anthropic的研究人员最近发现了一种新方法：如果首先用几十个危害性较小的问题对大型语言模型（LLM）进行预热，就能诱使其告诉你如何制造炸弹。他们将这种方法称为“多轮越狱”，不仅撰写了相关论文，还将其告知了人工智能领域的同行们，以便能采取措施来减轻这一风险。1.长文本越卷越离谱，不料却成“祸端”这个新的漏洞是由于最新一代L...