Learn more about Artificial intelligence - Section 10
本周,在NVIDIA Studio内,3D艺术家烹饪出令人惊叹的真实感食物渲染效果
编辑注:本文是我们每周的在NVIDIA工作室中系列文章的一部分,该系列文章通过展示特色艺术家,提供创意技巧,演示NVIDIA工作...
聊天机器人会说什么? (Liáotiān jīqìrén huì shuō shénme?)
探索解释大型语言模型的意想不到的能力
研究人员在Facebook广告中发现更多潜在的歧视问题
在Meta的Facebook上对招聘广告进行的一项研究发现了一些潜在的歧视性就业广告,这些广告中的人物形象过度代表或排除了某些人...
韩国允许自主机器人使用人行道
韩国政府允许授权的自主机器人在该国的人行道上驾驶
‘MusicGen再创新:Meta在AI音乐方面的潜在进展’
在2023年2月,谷歌推出了他们的生成音乐AI MusicLM,引起了轰动那时候,有两件事变得清晰明了:许多人预期下一款突破性的模型...
《Steerable神经网络的简单介绍(第1部分)》
几何深度学习作为深度学习的一个分支,旨在扩展传统的人工智能框架,如卷积神经网络,以处理以图形表示的三维或二维几何对象...
这份AI新闻简报是您所需要的全部内容 #74
这周,所有的注意力都集中在OpenAI上的一系列事件上,不幸的是这使得几个有趣的新模型发布事件失去了关注可以说你已经紧密关...
OpenAI Dev Day 2023:创始人Sam Altman主题演讲中的四项重大公告,绝对不能错过!
由OpenAI举办的首届开发者大会充满了令人惊喜的产品发布更有趣的是,这些发布将使一大批人工智能初创公司完全过时在...
加州大学伯克利分校的研究人员推出了Ghostbuster:一种用于检测LLM生成文本的SOTA AI方法
ChatGPT已经彻底改变了轻松生成多种流畅文本的能力,适用于广泛的主题。但是它们究竟有多好呢?语言模型容易出现事实错误和幻...
KAIST AI研究人员介绍了KTRL+F:一种知识增强的文档内搜索任务,需要实时在文档中识别语义目标
“` KTRL+F任务是一个知识增强的文档内搜索问题,需要实时在文档中识别语义目标,并通过一个自然查询引入外部知识。现有...
这篇AI论文提出了FACTORCL:一种新的多模态表示学习方法,超越多视图冗余
机器学习中的主要范式之一是从多个模态中学习表示。预训练未标记多模态数据的广泛图片,然后通过微调来获得特定任务的标签是...
腾讯AI实验室引入了Chain-of-Noting(CoN)技术来提升检索增强型语言模型的稳定性和可靠性
<img alt="" src="https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/11/Screensho...
5 个免费课程,掌握生成式人工智能’ (5 gè miǎnfèi kèchéng, zhǎngwò shēngchéngshì réngōng zhìnéng)
生成AI是一个令人兴奋且迅速发展的研究和应用领域浏览这5门课程,以便跟上并领先于潮流
多伦多大学的研究人员揭示了大型材料数据集中令人惊讶的冗余性,并展示了信息丰富数据在提高机器学习性能方面的力量
随着人工智能的出现,我们生活的各个领域都能感受到它的应用。人工智能正在应用于各个行业。但是人工智能需要用到数据来进行...
微软发布Azure定制芯片:革新云计算和人工智能能力
在Ignite大会期间,微软的内部设计芯片的消息终于被揭示出来,这标志着科技领域的一个重要时刻。这家科技巨头正式推出了自家...
一项新的人工智能研究发布了名为SWIM-IR的大规模合成多语言检索数据集,包含33种语言的2800万个训练对
谷歌研究部门、Google DeepMind以及滑铁卢大学的研究人员介绍了SWIM-IR。SWIM-IR是一个综合性的合成检索训练数据集,涵盖了33...
浙江大学研究人员提出UrbanGIRAFFE应对具有挑战性的城市场景的可控3D感知图像合成
UrbanGIRAFFE,这是浙江大学研究人员提出的一种逼真图像合成方法,用于可控的相机姿态和场景内容。该模型解决了自由相机视角...
MIT研究人员推出了MechGPT:一种基于语言的先驱,桥接了力学和材料建模的尺度、学科和模态
研究者们面临着材料科学领域内一个艰巨的挑战 – 从密集的科学文本中高效蒸馏出重要的见解。这个复杂的过程涉及到导航复...
魅塔揭示鸸鹋视频和鸸鹋编辑:在文本转视频生成和精确图像编辑方面的先驱性进展
在快速发展的生成式人工智能领域中,实现高效和高质量的视频生成模型以及精确而多功能的图片编辑工具仍然面临挑战。传统方法...
朝鲜大学研究人员介绍了一种精确定位褪色珊瑚的机器学习框架,使用混合视觉特征分类
地球上被认为是最多样化的海洋环境是珊瑚礁。珊瑚礁可找到超过4,000种鱼类,是约25%的海洋生物的家园。在珊瑚中,水下寄生藻...
- You may be interested
- 使用表达力强的布尔公式解释人工智能
- 在本地使用CPU推理运行Llama 2进行文档问答
- 自主AI代理:开创数据科学和技术的未来
- 美国前十大数据科学公司
- Weka图书馆在Facebook数据分析中的应用
- 目前人工智慧領域中,不斷學習的現況
- 重新定义数据体验:使用生成式人工智能和...
- 利用Protopia AI实现企业LLM加速的基础数...
- 产品化服务入门指南:一个人的企业正在击...
- “见识一下试图使人工智能走向无序的黑客们”
- 我的生活统计:我追踪了一年的习惯,这是...
- 研究人员在Facebook广告中发现更多潜在的...
- 利用PandasAI在数据分析中驾驭生成式人工智能
- 如何成为Power BI开发人员?
- Oracle首次推出带有增强的读写分离功能的M...