AI.x社区

大家好，我是HxShine今天我们将介绍EMNLP2023的一篇大模型（LLMs）生成文本分类任务合成数据的文章，标题是《SyntheticDataGenerationwithLargeLanguageModelsforTextClassification:PotentialandLimitations》。实际落地中，高质量训练数据的收集和筛选既耗费时间又成本昂贵，研究人员探索使用LLMs生成合成数据作为替代方法。然而，LLMs生成的合成数据在支持不同文本分类任务的模型训练上效果有好有差。本文试图分析不同因素如...

开发一个安全、准确的大模型评估基准通常需要包含三个重要内容：1）稳定识别模型的能力；2）反映真实世界使用情况中的人类偏好；3）经常更新以避免过拟合或测试集泄漏。但传统的基准测试通常是静态的或闭源的，同时大模型的技术发展和功能迭代比较，这凸显了建立具有高可分离性评估基准的必要性。大模型研究组织LmsysOrg则开源了ArenaHard。这是一个全新高质量大模型评估基准。开源地址：https:github.comlmsysarenahardLmsys将...

编者按：人工智能技术的发展离不开高质量数据的支持。然而，现有可用的高质量数据资源已日渐接近枯竭边缘。如何解决训练数据短缺的问题，是当前人工智能领域亟待解决的一个较为棘手的问题。本期文章探讨了一种经实践可行的解决方案——合成数据（SyntheticData）。如AlphaZero、Sora等已初步证实了合成数据具备的巨大潜力。对于语言模型来说，虽然要生成高质量的合成文本存在一定难度，但通过优化现有数据、从多模态数据中学习...

今年2月初，Sora的发布让AI社区更加看到了基础扩散模型的潜力。连同以往出现的StableDiffusion、PixArtα和PixArtΣ，这些模型在生成真实图像和视频方面取得了显著的成功。这意味着开始了从经典UNet架构到基于Transformer的扩散主干架构的范式转变。值得注意的是，通过这种改进的架构，Sora和StableDiffusion3可以生成任意分辨率的样本，并表现出对scaling定律的严格遵守，即增加参数大小可以实现更好的结果。不过，推出者们只...

通用人工智能（GPAI）时代的风险与挑战通用人工智能（GPAI）系统，凭借其广泛的应用能力，正迅速渗透到我们生活的方方面面。这些基于基础模型并服务于多种用途的软件系统，已拥有庞大的用户群体。一些GPAI系统每周活跃用户已超过3亿。同时，GPAI系统在安全和权利影响领域的应用也日益广泛，如医疗保健、金融、教育和司法等(Maragnoetal.,2023;Young,2024;PerezCerrolazaetal.,2024)。然而，GPAI系统的广泛应用也伴随着巨大的潜...

论文链接：https:arxiv.orgpdf2407.11394github链接：https:dreamcatalyst.github.io亮点直击：本文通过将DDS解释为SDEdit过程，提出了一种3D编辑的一般公式，并提出了一种用于快速编辑和质量改进的专门公式。在一般的3D编辑任务中采用了递减时间步采样，这是一种在3D生成任务中常用的加速训练速度的采样算法，解决了以往工作中面临的挑战。首次引入FreeU用于3D编辑，以增强可编辑性，克服重新加权编辑目标公式中固有的权衡。编...

译者张哲刚审校重楼AI编码助手改变了开发人员编写软件的方式。它们可以自动执行重复性的任务，及早发现错误，进而加快开发进度。但是，并不是所有的AI编码工具在构建时都考虑到了安全性这个重要的问题。DeepSeek是最优秀最有前途的免费AI编码助手之一。它被誉为游戏规则改变者，其推理模型堪比OpenAIo1，甚至更好。它能够提供高级代码建议，并且支持多种编程语言。​但有一个问题是——当你输入代码后，你知道都发生了些什么吗...

文章链接：https:arxiv.orgabs2407.06842项目地址：https:skfun.funCE3D代码：https:github.comFangkang515CE3Dtreemain引言过去的3D场景编辑方法往往局限于固定的文本输入模式和有限的编辑能力。用户需要学习特定的命令或特定的多模态模型来实现所需的效果。而且,这些方法通常只能进行简单的编辑,难以实现复杂的场景变换。然而实际应用中，用户的语言是及其丰富的，用户的编辑需要也是多种多样的，当前的方法的设计范式均无法...

论文链接：https:arxiv.orgpdf2408.13423git链接：​​​https:github.comConfiner2025Confiner2025​​亮点直击创新性解耦策略：ConFiner框架通过将视频生成任务解耦为三个独立的子任务，显著优化了生成过程。该方法利用了三种现有的扩散模型专家，每个专家专注于一个特定的任务，从而降低了模型的计算负担，同时提升了生成的质量与速度。协调去噪技术：该技术在视频生成过程中引入了协作机制，使得使用不同噪声调度器的两个专...

只需几分钟、一张图或一句话，就能完成时空一致的4D内容生成。注意看，这些生成的3D物体，是带有动作变化的那种。也就是在3D物体的基础之上，增加了时间维度的运动变化。这一成果，名为Diffusion4D，来自多伦多大学、北京交通大学、德克萨斯大学奥斯汀分校和剑桥大学团队。具体而言，Diffusion4D整理筛选了约81K个4Dassets，利用8卡GPU共16线程，花费超30天渲染得到了约400万张图片，包括静态3D物体环拍、动态3D物体环拍，以及...

我一直在尝试将Cursor作为开发工具使用，它在日常工作中意外地带来了显著帮助。它不仅会编写代码，还能理解上下文，在合适的时机给出建议，甚至预判我接下来的操作意图。在看到HerokuMCPServer的公告时，我不禁心生好奇。也许Cursor不仅能够编写代码，还可通过聊天提示词和响应来构建应用并部署至Heroku？我决定试试看。本文中，我将演示如何使用Cursor结合新的MCP集成，构建一个简单的SvelteKit应用并部署到Heroku。那么，整个...

在三维生成建模的研究领域，现行的两大类3D表示方法要么基于拟合能力不足的隐式解码器，要么缺乏清晰定义的空间结构难以与主流的3D扩散技术融合。来自中科大、清华和微软亚洲研究院的研究人员提出了GaussianCube，这是一种具有强大拟合能力的显式结构化三维表示，并且可以无缝应用于目前主流的3D扩散模型中。GaussianCube首先采用一种新颖的密度约束高斯拟合算法，该算法能够对3D资产进行高精度拟合，同时确保使用固定数量的自...

前言本文将介绍如何在趋动云平台上使用xinference部署对话模型、向量化模型以及多模态模型。xinference简介xinference官网官网说明：https:inference.readthedocs.iozhcnlatestgettingstartedinstallation.htmlxinference可以部署的模型类别chat对话模型embedding向量化模型rerank模型vlchat多模态模型环境准备选择镜像选择镜像环境安装xinferencexinference支持的引擎有：transformersvllmllama.cppSGlong引擎.....本篇文章，...

“随着大语言模型（LLM）的广泛应用，如何高效部署和推理模型成为开发者关注的核心问题。”随着大模型的成本越来越低，以及企业生产中对大模型的定制化需求，越来越多的企业选择在本地部署大模型；这样既满足了数据安全性需求，同样也增加了企业定制化的选择。但由于大模型是资源大户，再加上并发性需求，因此选择一个好的高性能的大模型部署框架是很多企业都要面临的主要问题。所以，今天就来介绍几种部署大模型的方式和框架。...

1、为什么要在MacBook上搭建知识库？最核心最重要的是我们手上的文档资料出于安全要求，不能随便上传到云服务，也就无法实际验证知识库的实际效用。另外对于IT同学来说，自己亲手搭建一个完整的方案、能灵活调整和对接各种不同的模型、评测各种模型不同的表现，也是出于对技术的探索本能使然。使用的MacBook配置如下，对大模型经过量化处理（比如：int8）后，可以流畅运行。2、知识库的架构设计基于一台MacBook搭建部署的架构设...

中国知名大模型平台MiniMax旗下的海螺AI，最新上线的文生视频产品，受到了国外的盛赞，多数人表示一点也不比Sora、Runway、luma等国际顶级产品差。根据「AIGC开放社区」实际使用体验来看，其生成视频的质量、推理效率、动作一致性多样性、文本语义还原、色彩搭配、景深、光影效果等非常优秀，是既快手发布的可灵视频模型之后，咱们村出来的第二位“大学生”成绩是相当的亮眼。这也是为什么产品刚一发布，就在社交平台上引起了多...

6月13日，知名3D建模平台LumaAI发布最新文生视频模型DreamMachine，向所有用户免费开放使用。DreamMachine除了支持文本之外，还可使用图片作为引导来生成视频，其生成的视频质量、动作一致性、色彩、光影、饱和度、运镜等方面，可以媲美OpenAI的Sora。DreamMachine的另外一个技术特点是支持物理模拟，这意味着生成的视频更能体现出物理世界的特点，包括重力下落、碰撞、光影变化等。DreamMachine生成的视频为什么物理模拟，对文...

大模型（LLM）的浪潮已经涌动一年多了，尤其是以GPT4、Gemini1.5、Claude3等为代表的模型你方唱罢我登场，成为当之无愧的风口。在LLM这条赛道上，有的研究专注于增加模型参数，有的疯狂卷多模态……这当中，LLM处理上下文长度的能力成为了评估模型的一个重要指标，更强的上下文意味着模型拥有更强的检索性能。例如有些模型一口气可以处理高达100万token的能力让不少研究者开始思考，RAG（RetrievalAugmentedGeneration，检索增...

一、业务背景随着以OpenAI为代表的AI生成式技术不断突破，在万物皆可向量化的时代直接带动向量计算和存储需求大幅提升，让向量存储和计算技术关注度达到新高，业界涌现出各类向量数据库。阿里妈妈拥有丰富的AI应用场景，我们基于过去在向量引擎的积累和AI场景下需求，在近五年时间里不断迭代升级，沉淀出DolphinVectorDB，具有大规模、高性能、低成本且易开发的优势，在妈妈内容风控、营销知识问答、达摩盘人群AI圈人和AI经营分...

文章链接：https:arxiv.orgpdf2406.17396项目链接：https:lslrh.github.iosyncnoise.github.io​一句话亮点直击SyncNoise能够实现一致且高效的3D编辑，符合文本指令并保留编辑场景中的更多细节。今天和大家一起学习港理工、OPPO和StabilityAI联合发的一篇关于3D场景编辑的工作，主打一个一致且高效，视频demo非常赞，可以看看！基于文本的2D扩散模型在图像生成和编辑方面展示了令人印象深刻的能力。同时，这些2D扩散模型在3D编...