Learn more about Staff - Section 23

2023年创业者的顶级人工智能工具

Grammarly是一款由人工智能驱动的写作辅助工具，可确保您的写作无误并达到精益求精的水平。 Salesforce是一家基于云计算的软...

“Objaverse-XL见面了：一个包含超过1000万个三维物体的开放数据集”

近年来，人工智能领域取得的一项重大突破是规模在推动各个领域的进步。大型模型在语言理解、生成、表示学习、多模态任务和图...

不，不要把它放在那里！这种人工智能方法可以使用扩散模型进行连续布局编辑

到目前为止，每个人都对文本到图像模型非常熟悉。它们在去年稳定扩散的发布中进入了我们的视野，并自那时起被用于许多应用中...

“认识I2D2：一种利用受限解码和自我模仿学习从语言模型生成通用知识的新型人工智能框架”

语言模型的快速进展主要归功于它们的大规模，使其在各种自然语言处理任务中具备了惊人的能力。然而，一个发人深省的问题出现...

准备好迎接AI的声音革命：2023年是生成式声音波的年份

<img src=”https://www.marktechpost.com/wp-content/uploads/2023/02/Newsletter-Banner-Thumbnail-Beehiiv-2-1024...

一项新的人工智能研究提出了一种多模态的思维链推理语言模型，其在ScienceQA上的表现超过了GPT-3.5 16%（从75.17%提升至91.68%）

由于最近的技术发展，大型语言模型（LLMs）在复杂和复杂的推理任务上表现出色。这是通过为提示演示生成中间推理步骤来实现的...

德克萨斯大学奥斯汀分校的研究人员介绍了PSLD：一种利用稳定扩散来解决所有线性问题而无需额外训练的人工智能方法

针对解决逆问题，有两种方法：有监督技术，其中训练一个恢复模型来完成任务；无监督方法，其中一个生成模型使用其已经学习到...

2023年顶级生成式人工智能公司

随着人工智能的最新突破和全球数据量的增加，基于一组输入数据或参数生成新的原创内容，如文本、音乐、图像等，是可能的。这...

“认识AudioGPT：一个连接ChatGPT与音频基础模型的多模态人工智能系统”

AI社区现在受到大型语言模型的重大影响，ChatGPT和GPT-4的引入推进了自然语言处理。多亏了丰富的网络文本数据和强大的架构，L...

加州大学伯克利分校的研究人员提出了FastRLAP：一种通过深度强化学习和自主练习来学习高速驾驶的系统

加利福尼亚大学伯克利分校的研究人员开发了一种名为FastrLap的系统，利用机器学习教导自动驾驶车辆以高速驾驶。该系统旨在帮...

“RPDiff见面：一个用于3D场景中6自由度物体重新排列的扩散模型”

机器人设计和构建以执行日常任务是计算机科学工程中令人兴奋且最具挑战性的领域之一。麻省理工学院、NVIDIA和Improbable AI L...

麻省理工学院洛厄尔分校的研究人员提出了ReLoRA：一种新的人工智能方法，该方法使用低秩更新进行高秩训练

在过去的十年中，训练更大和超参数化网络，或者“堆叠更多层”的策略，已经成为机器学习中的常态。随着“大型网络”的门槛从1亿个...

自动化机器学习任务：MLCopilot如何利用LLMs帮助开发者简化机器学习流程

机器学习模型已被证明是解决复杂任务的强大工具，但训练这些模型通常是手动且耗时的。然而，随着像GPT-3.5这样的大型语言模型...

语言领域中突破性和开源的对话人工智能模型列表

对话式人工智能是指使用大量数据和自然语言处理等技术模拟人类交互、识别语音和文本的虚拟代理或聊天机器人等技术。近年来，...

来自哥伦比亚大学和DeepMind的研究人员介绍了GPAT：一种基于Transformer的模型架构，通过推断每个部位的形状与目标形状相对应，准确预测部位姿态

通过视觉空间推理组装新物体的自主机器人系统具有广泛的实际应用潜力。尽管部件组装取得了显著进展，但现有方法仍限于预定义...

指标可能会欺骗人，但眼睛不会：这种AI方法提出了一种用于视频帧插值的感知质量指标

显示技术的进步使我们的观影体验更加强烈和愉悦。观看4K 60FPS的内容比1080P 30FPS更加令人满意。第一个让你像亲历一样沉浸在...

大规模生物分子动力学的深度学习：哈佛大学研究在各种系统上扩展了一个大型、预训练的 Allegro 模型

计算生物学、化学和材料工程依赖于能够预测原子尺度上物质的时间演化。虽然量子力学统治着原子和电子在微小尺度上的振动、迁...

“大型语言模型真的需要那么多层吗？这项人工智能研究揭示了模型的效率：大型语言模型中必不可少的组件的探索”

大型语言模型（LLMs）的出现引起了公众的极大兴趣，特别是随着ChatGPT的出现。这些模型在大量数据的基础上进行训练，即使只有...

一项新的AI研究介绍了REV：AI研究中的一项重大突破——一种新的信息论度量方法，用于评估自由文本理由中的新颖且与标签相关的信息

模型解释在自然语言处理（NLP）中被证明对于信任和可解释性至关重要。自由文本解释提供了对模型预测的自然语言解释，因其适应...

CMU、AI2和华盛顿大学的研究小组推出了NLPositionality：一种用于表征设计偏见和量化NLP数据集和模型定位性的AI框架

研究人员的立场性——由他们自己的经验、身份、文化和背景形成的观点——在开发自然语言处理（NLP）数据集和模型时影响着他们的设...