AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
微软炸裂级单图生数字人，Sora同款思路，“比AI刘强东还真”
精华AI伪造真人视频，门槛再次降低。微软发布一张图生成数字人技术VASA1，网友看过直呼“炸裂级效果”，比“AI刘强东还真”。做到以假乱真效果，不用针对特定人物训练，只要上传一张人脸图片、一段音频，哪怕不是真人也行。比如可以让蒙娜丽莎唱Rap，模仿安妮海瑟薇即兴吐槽狗仔队名场面。或者让素描人像念华强台词。在项目主页还有更多1分钟视频，以及更更多15秒视频可看。不同性别、年龄、种族的数字人，用着不同的口音在说话。根...微软数字人你的Agent几级？知名风投BVP定义Agent七大等级！
知名风险投资机构BessemerVenturePartners（BVP）发布了一份关于Agent的洞察，报告中给Agent从L0到L6进行了一个划分。今天给大家分享一下这份报告！首先，Bessemer对AIAgent的定义是：能够执行链式思维推理，以准确地对序列化工作流采取行动的基础模型的软件应用程序。同时，在他们眼里，一个Agent必须具备以下几个能力：state必须有个“实体”，无论是大模型还是软件应用，并且能感知和理解环境。Intelligence得会“思考”，能...AgentBVPAgent刚刚，腾讯AI杀疯了！混元全家桶重磅升级，生图卷到毫秒级！推出首个工业级AIGC游戏引擎！
原创
社区头条编辑伊风一夜醒来，整个AI圈又被谷歌刷屏。来到AI的“后半场”，各大厂的后劲正在陆续显现出来。看完腾讯的AI产业应用峰会，才发现这场发布同样密集，猛料也不比谷歌少。甚至在某些应用层面，走得更深、更务实。别忘了，刚刚过去的Q1财报会上，马化腾就定调：腾讯将坚持对AI的长期战略投入。如今看来，这不是一句口号，而是一次实打实的全面提速。基础模型再升级，多智能体、编码智能体集中亮相，甚至还放出了业界首个工业级AIG...腾讯AIGPT-4解码通用 AI Agent：七步构建你的智能系统
原创编者按：如何才能打造一个能够灵活应对多样场景、高效执行复杂任务的通用智能体系统？传统的硬编码流程已经无法满足快速变化的需求，而简单的提示词模板又显得过于僵化和脆弱。本文作者详细阐述了从零构建通用LLMAgent的七个关键步骤，为读者提供了一个从模型选择、控制逻辑设计到工具集构建、规划后续行动的完整路径。这套方法论不仅仅来自理论推演，更凝聚了作者在实际项目中的宝贵经验。通过对模型能力、行为模式、内存管理...LLMAgent我们聊聊如何构建通用LLM Agent
精华1.LLMAgent是什么大语言模型智能体是一种程序，其执行逻辑由其底层模型控制。大语言模型智能体与少样本提示或固定工作流程等方法的区别在于，它能够定义和调整执行用户查询所需的步骤。通过使用一组工具（如代码执行或网络搜索），智能体可以决定使用哪个工具、如何使用它，并根据输出对结果进行迭代。这种适应性使系统能够以最小的配置处理各种用例。智能体架构存在于一个范围内，从固定工作流程的可靠性到自主智能体的灵活性...LLMAgentOpenAI完全在频域学习的时序预测模块，提升各类SOTA模型效果
今天给大家介绍一篇浙大、中南、南洋理工、上交、北大等多所高校联合提出的一种时间序列预测建模方法，针对目前时序预测直接预测方法没有考虑到预测各个时间步关系的问题，提出了在频域中进行预测的方法，可适配到各类时序SOTA模型中，取得了长短周期时序预测的效果提升。论文标题：FREDF:LEARNINGTOFORECASTINFREQUENCYDOMAIN下载地址：https:arxiv.orgpdf2402.02399开源代码：https:github.comMasterPLCFreDF...预测模块SOTA模型时序预测基于深度学习故障诊断注意力机制案例分析
案例使用的试验数据来源于常见的凯斯西储大学轴承数据中心，试验台采集的振动信号数据包括四种状态，分别是健康状态、内圈故障、滚动体故障、外圈故障。案例选择驱动端振动传感器采集的数据，采样频率为12000Hz，轴承信号为SKF6205。为简化试验，仅使用电动机负荷为0的振动信号，转速为1797rmin。为便于对注意力的分布进行解释，案例应用包络谱作为模型的输入。对于四种状态的轴承数据，使用滑窗选取55段信号，每段信号包含1200...深度学习注意力机制多模态-故障诊断 | 大核卷积开启视觉新纪元!
精华前言本期推出结合CVPR2022视觉顶会论文RepLKNet的多模态故障诊断创新模型，适合各种故障诊断领域、电能质量扰动信号、各种声信号、脑电信号等分类任务!创新模型还未发表！！！有小论文、毕业论文需求的不容错过！提供马尔可夫转换场MTF、递归图RP、格拉姆矩阵GAF、连续小波变换CWT、短时傅里叶变换STFT五种时频图像变换方法，可灵活替换多模态特征中的时频图像类型！1创新模型相关解释●数据集：CWRU西储大学轴承数据集●环境框...多模态卷积视觉Transformers学习上下文强化学习的时间差分方法
原创上下文学习指的是模型在推断时学习能力，而不需要调整其参数。模型（例如transformers）的输入包括上下文（即实例标签对）和查询实例（即提示）。然后，模型能够根据上下文在推断期间为查询实例输出一个标签。上下文学习的一个可能解释是，（线性）transformers的前向传播在上下文中实现了对实例标签对的梯度下降迭代。在本文中，研究人员通过构造证明了transformers在前向传播中也能实现时间差异（TD）学习，并将这一现象称为...Transformers上下文学习如何使用模型上下文协议构建自定义工具
原创本文介绍如何构建模型上下文协议（MCP）服务器以扩展人工智能功能。创建可以无缝集成人工智能模型的工具，并通过arXiv论文搜索实现进行演示。模型上下文协议（MCP）在人工智能开发领域变得越来越重要，它可以实现人工智能模型和外部工具之间的无缝集成。本指南将探讨如何创建MCP服务器，通过自定义工具实现增强人工智能功能。什么是模型上下文协议？模型上下文协议允许人工智能模型以标准化的方式与外部工具和服务进行交互。它...模型上下文协议MCP人工智能组合模型、注意力机制在单步、多步、单变量、多变量预测中的应用
包括完整流程数据代码处理：单步多步、单变量多变量预测数据集制作、数据加载、模型定义、参数设置、模型训练、模型测试、预测可视化、多步预测、模型评估模型整体介绍：1.时空卷积网络（TCN）：TCN是一种卷积神经网络结构，用于捕捉时序数据中的时序关系。它由一系列的1D卷积层组成，每个卷积层都具有相同的卷积核大小和步长。TCN中的残差连接（ResidualConnections）和空洞卷积（DilatedConvolutions）用于增加网络的感受野...组合模型单变量预测我们一起聊聊基于快速傅里叶卷积（FFC） 的故障诊断模型
本期推出一种基于快速傅里叶卷积的FFCResNet的网络模型，通过把ResNet中常规卷积替换为快速傅里叶卷积，提升了卷积神经网络（CNN）的性能，并应用在轴承故障诊断任务上，取得了不错的效果！通过巧妙融合快速傅里叶变换（FFT）的卓越性能，快速傅里叶卷积（FFC）成为了执行卷积操作的高效利器，尤其是在渴求全局性上下文理解与跨尺度特征无缝融合的场景下展现出了非凡优势。这种创新性的频域处理手段，不仅显著提升了特征提取的...神经网络CNNFFC我们一起聊聊Google DeepMind推出Gemma 2 技术报告
引言：大规模语言模型的发展与挑战近年来，大规模语言模型（LLMs）在语言理解、生成和推理方面展现出了强大的能力。随着模型规模的不断扩大，新的能力也逐渐显现。最新的大型模型不仅在推理基准测试上达到了前所未有的性能，还展示了多模态和多语言的能力，甚至能处理超过1M个令牌的上下文长度。尽管小规模模型的性能也在迅速提升，这些提升主要来自于增加训练长度。然而，这种方法与数据集大小的增长呈对数关系，最新的小型模...LLMsGemma 2模型引入上下文检索(Contextual Retrieval)：提升AI模型的精准度与效率
原创01、概述在当今的数字时代，人工智能（AI）模型的应用场景越来越广泛，从客户支持聊天机器人到法律分析助手，每一种应用都需要准确的背景知识。为了让AI在特定环境中更有用，开发者通常会利用一种叫做“检索增强生成（RAG）”的方法。这种方法通过从知识库中检索相关信息并将其附加到用户的提示中，从而显著提升模型的响应质量。然而，传统的RAG方案在编码信息时往往会丢失上下文，导致系统无法有效地检索到相关信息。在本文中...RAG大语言模型碳课堂｜什么是碳市场？如何进行碳交易？
原创近年来，随着全球变暖问题日益受到重视，碳达峰、碳中和成为国际社会共识，为更好地减缓和适应气候变化，同时降低碳关税风险，以“二氧化碳的排放权利”为商品的碳交易和碳市场应时而生。一、什么是碳交易、碳市场各国控制温室气体排放的政策一般分为三类：命令控制、经济刺激、劝说鼓励，其中经济刺激型手段由于灵活性和持续改进性而受到青睐。经济性刺激手段也分为两种，一种是政府强制型手段，即开征碳税；另一种是通过市场...碳管理碳市场碳交易我们一起聊聊快速傅里叶变换暴力涨点！基于时频特征融合的高创新时间序列分类模型
前言本文基于某时间序列分类任务数据集，介绍一种融合快速傅里叶变换FFT，基于时频特征融合的FFTCNNBiGRUAttention创新分类模型。1模型简介与创新点介绍1.1模型简介●数据集：时间序列分类任务数据集●环境框架：python3.9pytorch2.1及其以上版本均可运行●使用对象：入门学习，论文需求者●代码保证：代码注释详细、即拿即可跑通。●配套文件：详细的环境配置安装教程，模型、参数讲解文档1.2创新点介绍（1）快速傅里叶变换（F...傅里叶时频时间序列我们一起聊聊故障诊断图卷积合集！新增GAT、SGCN、GIN分类模型
前言本文基于凯斯西储大学（CWRU）轴承数据，先经过数据预处理进行数据集的制作和加载，最后通过Pytorch实现KNN+GCN模型对故障数据的分类。1.相关网络介绍1.1图卷积神经网络(GCN)论文地址：https:arxiv.orgabs1609.029071.2图注意力网络(GAT)论文地址：https:arxiv.orgabs1710.109031.3稀疏图卷积网络(SGCN)论文地址：https:arxiv.orgabs2104.015281.4GIN图同构网络论文地址：https:arxiv.or...GATSGCN分类模型什么是声望？如何获取声望？
1.什么是声望？声望是技术人在AI.x社区的成长记录，技术人发布内容以及内容被推荐都会有相应的声望奖励。因此，声望越高代表着该用户在AI.x社区越德高望重——发布的有价值的内容越多。同时，声望也是技术人在社区行走的名片——声望越高，等级越大。还是一种社区资历的展示。AI.x社区会以“创造有价值的内容”为理念，让每一位技术人在这里找到认同感、归属感。AI.x社区也将和所有到来的新的技术人一起共同成长，一起见证属于...声望规范AI.x社区基于多级注意力机制的并行预测模型
创新点：1.利用Transformer来提取序列中的长期依赖关系的时序特征，采用并行结构，加快模型的训练和推理速度，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，以更好地捕获序列中的依赖关系，同时应用全局注意力机制GlobalAttention，对BiGRU的输出进行加权处理，使模型能够聚焦于序列中最重要的部分，提高预测性能；3.利用交叉注意力进行并行网络时空特征的融合，这样可以同...并行预测模型国内大模型厂商是如何看待突然的OpenAI o1？跟不跟是个问题！
在2024云栖大会上，阶跃星辰创始人姜大昕、月之暗面Kimi创始人杨植麟、生数科技首席科学家朱军与极客公园创始人张鹏关于人工智能（AI）技术路径的圆桌对话引发了很大关注，他们是如何看待OpenAIo1带来的产品技术新变化以及对整个行业可能带来的影响。图片以下是重要观点的总结，查看原文可以点底部链接。AI领域的快速发展技术进步的加速过去两年，AI领域经历了飞速的发展。姜大昕指出，AI技术的发展在加速，而且速度非常快。他...OpenAI o1模型厂商
