Learn more about AI Shorts

字节跳动AI研究介绍了StemGen：一种端到端音乐生成深度学习模型，它经过训练可以聆听音乐背景并作出适当的回应

使用深度学习进行音乐生成是指训练模型以创建音乐作品，模仿现有音乐中的模式和结构。常用的深度学习技术包括循环神经网络（R...

斯坦福大学研究人员引入了一种统一的人工智能框架，用于大型语言模型（LLMs）中的协作和贡献属性

大型语言模型（LLMs）是人工智能（AI）领域中指数级发展的最新进展。尽管这些模型在文本生成、问题回答、文本摘要等任务中表...

我们如何在人工智能中推进物体识别？这篇人工智能论文介绍了GLEE：一个用于增强图像和视频分析的通用物体级基础模型

图像和视频中的目标感知释放了机器解读视觉世界的力量。就像虚拟侦探一样，计算机视觉系统搜索像素，识别、追踪和理解涂绘数...

EPFL 和苹果研究人员开源 4M ：一种用于训练跨数十种模态和任务的多模式基础模型的人工智能框架

训练能够在没有多样化任务特定调整的情况下有效处理各种任务的大型语言模型 (LLMs) 在自然语言处理 (NLP) 领域越来越流行。尽...

遇见VonGoom：大型语言模型中数据毒化的新颖AI方法

数据污染攻击通过向训练数据集中注入虚假数据来操纵机器学习模型。当模型面对真实世界的数据时，可能导致不正确的预测或决策...

Upstage揭示了Solar-10.7B：在单回合对话中具有深度放大和精细调整精度的领先大型语言模型

韩国AI公司Upstage的研究人员已经成功应对了在最大化语言模型性能的同时最小化参数的挑战。在大型语言模型（LLMs）中，模型大...

Kinara发布Ara-2处理器：为增强性能的设备上人工智能处理带来革命

Kinara是能效卓越的边缘人工智能的先驱，引入了颠覆性的Ara-2处理器，据称与其前身相比，其在设备上提供了令人瞩目的八倍性能...

谷歌AI推出MedLM一系列针对医疗行业使用案例进行细化调整的基于基础模型的家族模型

谷歌研究人员推出了专为医疗保健行业细调的模型基础，MedLM，目前在美国可用。这是谷歌在医疗保健和医学领域的早期研究的基础...

这篇 AI 论文揭示了 X-Raydar：开创性的开源深度神经网络用于胸部 X 射线异常检测

来自英国各大学的研究人员开发了一种开源人工智能（AI）系统X-Raydar，用于全面检测胸部X射线异常。该系统在来自英国六家医院...

这篇人工智能论文介绍了RTMO技术：利用双1-D热图在实时多人姿势估计中取得的突破

姿势估计领域是一个快速发展的领域，涉及确定物体在空间中的位置和方向，研究人员不断开发新的方法提高其准确性和性能。清华...

这篇AI论文揭示了亚马逊关于大型语言模型中错误代码的最新机器学习见解

“` 编程可以很复杂，有时很难避免写出错误的代码。为了帮助代码补全，已经开发了大型代码语言模型（Code-LLMs），但有...

这篇AI论文探讨了大型语言模型中的行为错位：GPT-4在模拟股票交易中的欺骗策略

关于一些复杂的AI系统可能参与战略欺骗的问题已经引起了关注。致力于评估AI系统安全性的Apollo Research研究人员最近对此问题...

这篇AI文献介绍了EdgeSAM：推进边缘设备上高速高效的图像分割机器学习

Segment Anything Model（SAM）是一种基于人工智能的模型，用于图像的对象检测和识别的分割。它是各种计算机视觉任务的有效解...

LangChain是什么？用途和好处

LangChain是一个人工智能框架，旨在帮助程序员使用大型语言模型开发应用程序。它允许您创建具有以下两个关键特性的应用程序：...

斯坦福大学和 Salesforce AI 的研究人员发布了UniControl：一种用于AI图像生成中高级控制的统一扩散模型

生成性基础模型是一类人工智能模型，旨在生成与其训练数据相似的新数据。这些模型常被应用于自然语言处理、计算机视觉、音乐...

SalesForce AI研究BannerGen：用于多模式横幅生成的开源库

有效的图形设计是成功营销活动的基石。它作为设计师与受众之间的沟通桥梁，通过吸引用户，突出重要细节，并增强活动的视觉效...

这篇AI论文介绍了图像文本对齐模型中的详细文本和视觉解释的高级技术

图文对齐模型旨在建立视觉内容和文本信息之间的有意义的联系，实现图像描述、检索和理解等应用。有时，在传达信息时将文本和...

印第安纳大学的研究人员揭示了“Brainoware”：一种受到大脑器官和硅芯片启发的先进人工智能技术

“`html 生物学原理与技术创新的融合，通过开发Brainoware取得了人工智能（AI）领域的重大进展。作为印地安那大学布鲁明...

这份AI论文揭示了“Vary”：一种扩展大型视觉-语言模型视觉词汇的新方法，用于先进的多语种感知任务

大型视觉语言模型（LVLMs）结合了计算机视觉和自然语言处理，可以生成关于视觉内容的文本描述。这些模型在图像字幕、可见问题...

“见证LLM360：首个全面开源透明的大型语言模型（LLMs）”

开源的大型语言模型（LLMs），如LLaMA、Falcon和Mistral，为AI专业人士和学者提供了一系列选择。然而，这些LLMs中的大部分只...