AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
MUMU：用文本、图像引导，多模态图像生成模型
传统的文生图模型仅使用文本提示有时无法完美还原用户的提示词，例如，生成一个穿着红色披风的超级英雄在城市中飞翔的图像，传统的文本到图像生成模型可能会根据文本描述生成一个大致符合要求的图像，但可能无法准确呈现出用户想要的超级英雄的具体形象或披风的颜色和样式。为了提升图片的生成准确度，SutterHill的研究人员开发了可基于文本和图像引导的多模态图像生成模型MUMU。用户不仅可以使用文本提示，还能使用要生成目标...图像生成用基础模型指导特征传播，首个泛化型图像匹配器OmniGlue搞定未见过域
对于想要获取两张图像之间的细粒度视觉对应关系而言，局部图像特征匹配技术是高不错的xuanz，对于实现准确的相机姿态估计和3D重建至关重要。过去十年见证了从手工制作到基于学习的图像特征的演变。最近，研究社区又提出了新颖的可学习图像匹配器，在传统基准上实现了性能的不断改进。尽管已经取得了长足的进步，但这些进展忽略了一个重要方面：图像匹配模型的泛化能力。如今，大多数局部特征匹配研究都集中在具有丰富训练数据的...模型图像快3倍！Meta 违背经典模型结构，一次预测多个token，路径可行，大模型大幅提速指日可待！
原创编译伊风出品51CTO技术栈（微信号：blog51cto）众所周知，LLMs的工作原理是对下一个token进行预测。读者朋友们有没有曾这样想过：如果LLM一次预测n个token呢？那是不是就快n倍？Meta也是这样想的！并且付诸实践。在最近的一项研究中，Meta、以及巴黎高科桥路学院和巴黎萨克雷大学的研究人员建议，通过让人工智能大型语言模型（LLMs）同时预测多个token，来提高大模型的准确性和速度。这个大胆的设想，跳出了自回归语言模型的经...Metatoken模型一次预测多个token，Meta新模型推理加速3倍，编程任务提高17%
“预测下一个token”被认为是大模型的基本范式，一次预测多个tokens又会怎样？MetaAI法国团队推出“基于多token预测的更快&更好大模型”。多token预测模型，在编程类任务上表现尤其突出。与单token预测相比，13B参数模型在HumanEval上多解决了12%的问题，在MBPP上多解决了17%。小型算法推理任务上，多token预测也在分布外泛化方面带来了令人印象深刻的收益。不过在自然语言任务上，多token预测方法并不能显著提高7B模型在数学选...模型推理#AIGC创新先锋者征文大赛#企业级智能知识库搜索问答技术与应用
原创【本文正在参与AI.x社区AIGC创新先锋者征文大赛】(https:www.51cto.comaigc2223.html)以2022年年底ChatGPT推出为分界点，我们可以把过去的AI技术称为AI1.0，之后的技术称为AI2.0。那么，跟AI1.0相比，AI2.0的技术有哪些不同呢？首先，大家熟知的“能力涌现”，以前很多通过规则的方式，或者一个很复杂的Pipeline构建起来的能力，今天在大模型中就可以涌现出来。其次，多模态的能力以及对话的能力等等，这些都是AI2.0时代大模型...大模型AIGCRAG澜舟科技next-token被淘汰！Meta实测「多token」训练方法，推理提速3倍，性能大涨10%+
当前，大型语言模型，例如GPT和Llama，主要是根据「前文的单词序列」对「下一个token」进行预测的方式来训练。但你有没有想过一个问题，为什么不对后文的tokens同时进行预测呢？最近，Meta、巴黎高科路桥大学、巴黎萨克雷大学的研究人员就联合提出了一种新的训练方法，即一次性预测多个未来tokens，可以提高模型的样本效率。论文链接：https:arxiv.orgpdf2404.19737具体来说，在训练语料库的每一个位置，要求模型使用n...Meta训练媲美OpenAI-o3，刚刚开源模型DeepCoder，训练方法、数据集大公开
今天凌晨4点，著名大模型训练平台TogetherAI和智能体平台Agentica，联合开源了新模型DeepCoder14BPreview。该模型只有140亿参数，但在知名代码测试平台LiveCodeBench的测试分为60.6%，高于OpenAI的o1模型（59.5%），略低于o3mini（60.9%）。在Codeforces、AIME2024上的评测数据同样非常出色，几乎与o1、o3mini差不多。值得一提的是，TogetherAI不仅开源了DeepCoder14B模型权重，还把训练数据集、训练方法、训练日志和优化方法全...模型AI智能突破传统“非此即彼”，真灵魂P图！腾讯最新FlexIP黑科技：身份保持和个性化我都要！
文章链接：https:arxiv.orgpdf2504.07405项目链接：https:flexiptech.github.ioflexip亮点直击双适配器解耦设计:首次将身份保持（PreservationAdapter）和个性化编辑（PersonalizationAdapter）显式分离，避免特征竞争，实现更精准的控制,优于现有SOTA。动态权重门控机制:通过连续可调参数动态平衡身份保持与编辑强度，支持从细微调整到大幅变形的灵活控制，突破传统“非此即彼”的限制。模态感知训练策略:根据数据特性（静态图...模型图像生成AI基于阿里通义 Qwen3 混合推理模型才是优化 RAG 和 MCP 的最佳范式
原创
社区头条阿里巴巴推出了全新的Qwen3系列模型。令人惊叹的是，在短短的12个小时内，这个系列在GitHub上的星标数就超过了17,000个，而在HuggingFace上的下载量更是达到了每小时23,000次的高峰。更让人兴奋的是，Qwen3系列这次一共推出了八种不同的模型，包括两款MoE模型：Qwen3235BA22B（2350多亿总参数、220多亿激活参），以及Qwen330BA3B（300亿总参数、30亿激活参数）；以及六个Dense模型：Qwen332B、Qwen314B、Qwen38B、Qwen34B、Qwen...阿里通义Qwen3混合推理模型RAGMCP腾讯混元大模型在研发安全漏洞修复的实践
大模型漏洞修复插件是腾讯朱雀实验室在安全垂类场景的一个重要实践。我们希望通过AI大模型，实现研发安全场景的漏洞自动修复，给出修复建议并提供修复代码，帮助更多开发人员提高研发效率。在腾讯混元大模型的支持下，漏洞修复插件通过精调后部署的私有化模型，实现了在帐密硬编码、SQL注入、命令注入等漏洞类型的修复建议输出和修复代码生成等功能，实现安全左移，更有效地在编程中使用插件收敛漏洞风险。图1.IDE插件示意图一...漏洞大模型腾讯300亿参数！苹果推出多模态大模型MM1，能解释图像和文本数据
在过去的一年里，LLM因其先进的AI能力而备受关注。值得注意的是，苹果（Apple）公司却缺席了。目前，苹果公司正在谈判将谷歌的Gemini人工智能引擎植入iPhone。而苹果一直致力于开发下一代LLM，一种可以解释图像和文本数据的LLM。近日，苹果的计算机科学家和工程师团队开发了一种LLM模型，声称该模型可以解释图像和数据。苹果构建了一个多模态模型系列——MM1，包括高达30B的dense变体和高达64B的专家混合(MoE)变体，它们在预训...LLM人工智能MM1Karpathy新教程爆火，网友抢着送他H100：从头复现GPT-2训练
精华大神Karpathy已经不满足于用C语言造Llama了！他给自己的最新挑战：复现OpenAI经典成果，从基础版GPT2开始。挑战成功本身并不意外，但是只花费20美元、90分钟完成训练，Loss和评测还超越原版，就！有！点！过！分！了！。不仅如此，他把复现过程写成了完整教程，果不其然再次火爆。由于Karpathy自己租用的是A100云服务，训练124M版本花费20了美元。不过有人按照教程用H100跑了一把，不仅训练时间更短，还更省钱了：43分钟完成，...模型训练阿里Qwen3一夜封神！开源模型跑出3倍推理速度，OpenAI沉默
原创2025年4月29日凌晨，阿里巴巴正式开源了其新一代通义千问大模型Qwen3系列，这一发布不仅登顶全球开源模型性能榜首，更以创新的"混合推理"架构重新定义了大型语言模型的效率边界。作为国内首个集成"快思考"与"慢思考"能力的开源模型，Qwen3在性能全面超越DeepSeekR1、OpenAIo1等顶尖模型的同时，将部署成本降低至竞品的13。阿里巴巴还公开了两个MoE模型的权重：Qwen3235BA22B和Qwen330BA3B。前者是一个具有2350亿总参数和2200亿...阿里Qwen3开源模型1000行C语言搓出GPT-2！AI大神Karpathy新项目刚上线就狂揽2.5k星
断更近一个月，Karpathy终于上线了。这次不是AI大课，而是带来一个新项目。仅用1000行纯C语言训完GPT2。想象一下，如果我们能够不依赖于庞大的PyTorch（245MB）和cPython（107MB）库，仅仅使用纯C语言就能训练大型语言模型（LLM），那会怎样？现在，借助llm.c，这件听起来似乎不太可能的事，已经成为了现实！这个项目的亮点在于，它仅用约1000行简洁的C代码，就实现了在普通计算机处理器（CPU）上训练GPT2模型的能力。而且，这...模型 训练大模型不是AI的尽头，联想杨元庆称真正意义的AI PC应该具备5大特征
2023年，消费电子市场仍处于低点，手机、PC均表现不佳。不过，年底的一波回暖，让行业在2024年看到了希望，多家研究机构也都给出了重回正增长的预期。不仅如此，AI技术与设备的融合，也进一步加快了终端的迭代，激起新一轮换机潮。IDC预计，2024年中国市场上搭载AI功能终端设备将超70%，AI终端占比将达55%。“冰火两重天”，这是联想集团执行副总裁兼中国区总裁刘军对过去一年中国IT市场的观察。“一方面，PC整体市场连续第二年...人工智能大模型又一爆款！港大&字节开源GigaTok首次破解图像重建与生成矛盾，30亿参数登顶SOTA！
文章链接：https:arxiv.orgpdf2504.08736项目链接：https:silentview.github.ioGigaTok代码链接：https:github.comSilentViewGigaTok亮点直击分词器规模扩展中存在的重建与生成困境源于更大规模分词器隐空间复杂度的提升。本文提出语义正则化方法，有效缓解该困境从而实现分词器的规模扩展。探索了分词器规模扩展的最佳实践方案，包括：采用混合CNNTransformer架构的一维分词器、非对称编码器解码器扩展策略，以及针对十亿级分...视觉AI模型3步轻松微调Qwen3，本地电脑就能搞，这个方案可以封神了！【喂饭级教程】
社区头条本地部署Llamafactory首先我们需要本地部署一个零代码，专门用来微调大模型的开源项目：Llamafactory。它在GitHub目前已经斩获49K超高Star。https:github.comhiyougaLLaMAFactory并且，这个项目还是我们国人开源的，作者是北京航空航天大学博士生郑耀威先通过git指令把源码拉取到本地。gitclonehttps:github.comhiyougaLLaMAFactory.git如果没有git，也可以直接下载源码的zip包。然后，我们还是使用dockercompose部署。...Qwen3本地电脑Studio重磅突破！只需一张图，一键生成沉浸式4D全景世界！HoloTime重塑VR/AR体验（北大等）
文章链接：https:arxiv.orgpdf2504.21650主页链接：https:zhouhyocean.github.ioholotime代码链接：https:github.comPKUYuanGroupHoloTime亮点直击全景动画生成器(PanoramicAnimator):提出两阶段运动引导生成策略，无缝转换全景图像为动态全景视频，在保留原始图像空间特征的同时支持下游4D重建任务。全景时空重建技术(PanoramicSpaceTimeReconstruction):通过前沿技术实现全景视频深度估计的时空对齐，利用4DGaussianSplatting...4D模型生成Qwen3震撼发布，问鼎开源宝座，教你快速上手
精华通义千问3（Qwen3），通义千问大语言模型家族的最新成员。作为阿里巴巴的旗舰模型，通义千问3235BA22B在编码、数学、通用能力等基准评估中，与DeepSeekR1、o1、o3mini、Grok3、Gemini2.5Pro等其他顶级模型相比，取得了极具竞争力的成绩。此外，小型混合专家（MoE）模型通义千问330BA3B，其激活参数仅为QwQ32B的十分之一，却超越了后者的表现；甚至像通义千问34B这样的微型模型，也能与通义千问2.572BInstruct相媲美。通义千问3...Qwen3开源人工智能AI新动能: 数字人三大特征八大场景
原创 精华随着元宇宙概念的火爆也一同带动了数字人市场的快速升温，据计算全球平均每天都会诞生一个数字人。数字人正成为一股潮流，涌入人们的日常生活——会“捉妖”的虚拟美妆达人柳夜熙，抖音出道三天点赞即超百万，一夜之间成为国内虚拟偶像界的“顶流”；在江苏卫视跨年演唱会上，昔日歌后邓丽君“重返”舞台，与歌手周深同台对唱，交织几代人的青春记忆；而在杭州亚运会上，数字人点燃火炬，成为开幕式的亮点。除此之外，数字人担...AI数字人数字经济
