Learn more about Machine learning - Section 22

Line 开源了“japanese-large-lm”：一个具有36亿参数的日语语言模型

自2020年11月起，LINE开始了一项变革性的研发之旅，旨在创建和利用一个专门针对日语的先进大规模语言模型的力量。作为这一旅...

破解上下文的密码 自然语言处理中的词向量化技术

你搬到了一个远离你的国家的新城镇，在那里你碰巧在一家咖啡店里遇到了一个人一个年龄和你相仿的年轻女性，瞬间你们就开始了...

遇见RAVEN：一种检索增强的编码器-解码器语言模型，解决ATLAS的局限性

大型语言模型（LLMs）在自然语言处理（NLP）领域的最新发展中发挥了重要作用。这些模型在各种任务上展示了惊人的能力，并显著...

Arthur揭开面纱：一款用于找到最适合工作的最佳语言模型的AI工具

在纽约市的街头，一家名为Arthur的新兴人工智能初创公司正在机器学习领域引起轰动。随着生成式人工智能的热潮不断增长，Arthu...

揭示贝叶斯流网络：生成建模的新前沿

生成建模属于无监督机器学习的范畴，在这里模型学习发现输入数据中的模式。利用这些知识，模型可以自己生成与原始训练数据集...

增强和提高生产力的人工智能

麻省理工学院Schwarzman计算学院向七个跨学科项目颁发种子资助，探索AI增强管理

神经网络剪枝与组合优化

由Hussein Hazimeh，Athena团队的研究科学家和MIT的研究生Riade Benbaki发布 现代神经网络在语言、数学推理和视觉等各种应用...

超越笔尖：从视觉原型生成手写文本的人工智能艺术

风格化手写文本生成（HTG）是一个新兴领域，旨在创建手写文本图像，以复制个体作者独特的书法风格。这个研究领域具有多样的实...

内容管理到零射击分类

如果我们想要分析一小段没有额外信息或上下文的文本，并获得最合理的标签来定义我们自己的数据，那该怎么办？

简化变压器：使用您理解的词进行最先进的自然语言处理（NLP）-第二部分-输入

龙从蛋中孵化出来，婴儿从腹中出生，AI生成的文本从输入开始我们都必须从某个地方开始 什么样的输入呢？这取决于手头的任务如...

在非结构化数据中找到数据片段

数据切片是数据的语义上有意义的子集，在这些切片中，模型的表现异常当处理无结构数据问题（例如图像、文本）时，找到这些切...

CMU研究人员开发了一种简单的远程学习人工智能方法，将视觉先验知识转移到机器人任务中：相较于基准线，政策学习提高了20%

机器人学习进展的一个重要障碍是缺乏足够的大规模数据集。机器人学的数据集存在以下问题：(a) 难以扩展，(b) 在无菌、非真实...

Google AI推出STUDY：一种在教育环境中用于有声读物的社交感知-时间因果推荐系统

阅读对年轻学生大有裨益，从提高语言和生活技能到增强情感福祉。阅读快乐与学术成功之间的相关性已有充分的文献证明。此外，...

麻省理工学院和哈佛大学的研究人员提出了一个假设，可以解释如何使用大脑中的生物元素构建一个变压器

人工神经网络是机器学习中常见的模型，可以用于各种任务的训练，其结构类似于人脑中的神经元信息处理方法，受人脑启发。 变形...

这篇来自纽约大学和谷歌的论文解释了联合语音文本编码器如何在跨模态表示中克服序列长度不匹配的问题

I had trouble accessing your link so I’m going to try to continue without it. 越来越明显的是，通过在单一模态上...

简化Transformer 使用你理解的词语进行最先进的自然语言处理——第1部分——简介

“Transformer 是一种深度学习架构，对于人工智能的进步做出了杰出贡献它是人工智能和技术领域的一个重要阶段，但是…”

文本到视频生成：逐步指南

让文字栩栩如生：使用Python生成令人惊叹的视频的简单技巧

扩散变压器（DiTs）用于前所未有的架构创新：使用基于Transformer的扩散模型改变图像生成

机器学习的发展已经经历了一次变革性的转变，随着基于transformer的架构的出现，它彻底改变了自然语言处理、计算机视觉等任务...

遇见Embroid：一种AI方法，可以将LLM与来自多个较小模型的嵌入信息相互拼接，从而实现在没有监督的情况下自动纠正LLM预测

假设您编写了一种语言模型（LM）来对药物和医疗史进行基本数据分析。为了训练您的机器学习模型，您需要带有各种病人历史数据...

使用ONNX框架提升模型的互操作性和效率

ONNX是一个开源框架，可以在不同平台之间轻松传输和执行深度学习模型，提高效率和性能