《7月20日免费生成AI峰会不容错过的议程公布》

AI峰会议程公布

我们有史以来第一次的生成式人工智能峰会只有两周时间了。我们非常兴奋能够汇集一群多样化的专家、学者、行业领袖等人，讨论这一具有里程碑意义的技术。快来看看峰会期间你可以参加的几个讲座。

扩散生成模型的最新进展

斯特凡诺·埃尔蒙博士 | 斯坦福大学助理教授

本讲座将介绍一种生成模型的替代基础：数据分布的梯度向量场。这个框架允许灵活的架构，并且在训练过程中不需要抽样或使用对抗训练方法。此外，基于得分的扩散生成模型通过与神经ODE的连接实现了精确的似然评估，在图像数据集上实现了最先进的样本质量和优秀的似然度。

大脑、波动和表示

马克斯·韦灵博士 | 微软研究院杰出科学家

本演讲将探讨如何将有意义的归纳偏见引入到时空数据领域（如视频）的模型中。所介绍的方法将等变性的思想推广到更宽松和可学习的约束，并加入一个先验假设：潜变量表示应该像PDE和波动一样演化。总的来说，我们认为这种受大脑启发的归纳偏见可能有助于序列数据的学习。

生成对抗网络入门

丹尼尔·沃伊特·戈多伊 | 数据科学家和作者

本讲座将从基础开始教你生成对抗网络（著名的GANs）：自动编码器、潜空间、生成器、判别器、GANs、DCGANs、WGANs等等。本讲座的主要目标是向你展示GANs的工作原理，并讨论潜空间以及如何使用它们生成合成数据，同时讨论实现和训练细节，如Wasserstein距离和梯度惩罚。

生成式大型语言模型和幻觉

钱德拉·卡特里 | Got It AI联合创始人

本讲座将探讨生成式大型语言模型（LLMs）面临的一个重要挑战：它们倾向于自信地“产生幻觉”。这种幻觉问题可能导致模型产生不准确的信息。本讲旨在深入探讨LLMs中幻觉问题的复杂性，并揭示克服它的有效策略。

BloombergGPT：面向金融领域的大型语言模型

奥赞·伊尔索伊 | Bloomberg LP研究科学家

本讲座将介绍BloombergGPT，一个训练在广泛金融数据上的500亿参数语言模型。从数据收集到评估，你将有机会了解构建这个金融领域LLM的过程。

在AWS上预训练视觉和语言基础模型

艾米莉·韦伯 | AWS首席机器学习解决方案架构师

在本讲座中，你将深入探讨基础模型的话题，重点关注这项技术的有益和具有挑战性的方面。你将探索在AWS上可用的技术，帮助你预训练未来的基础模型。从分布式训练到定制加速器，从奖励建模到强化学习，学习如何创建你自己的最先进模型。

使用大型语言模型匹配身份

凯瑟琳·哈瓦西 | Babel Street创新总监

现实世界中许多应用依赖于高效地搜索个人或公司名称数据库，并理解谁可能是同一实体。一个人可以用各种方式指代，包括名称变体、不同的书写体系、昵称或别名。本讲座将介绍一种使用字节级别的大型语言模型进行名称匹配的新方法，我们对其进行了微调，以将个人名称嵌入到向量空间中进行名称检索任务。

机器与人：引领生成式人工智能的未来

玛雅·阿克曼 | WaveAI首席执行官和联合创始人

本讲座将探讨生成式人工智能的本质，并借鉴我们自己的大脑进行比较。讨论将深入探讨人类和机器的独特优势，并探索我们与AI系统之间有效合作的潜力。

立即报名！

在7月20日的免费虚拟生成式人工智能峰会上，您可以参加其中任何一个会议，以及其他许多会议。您可以在这里查看所有的演讲人和会议。

另外，不要错过我们即将举行的ODSC West 2023会议，届时将提供有关生成式人工智能和LLMs的培训课程、研讨会等更多内容。

Generative AI Summit