Learn more about Tech News - Section 15
斯坦福大学研究人员推出了Sophia:一种可扩展的语言模型预训练的二阶优化器
鉴于训练语言模型的高昂成本,对优化过程进行非平凡改进将极大地减少完成训练过程所需的时间和金钱。Adam及其变种长时间以来...
“见面TR0N:一种简单高效的方法,可以为预训练的生成模型添加任何类型的条件”
最近,大规模机器学习模型在各种任务中表现出色。然而,训练这样的模型需要大量的计算机计算能力。因此,正确有效地利用当前...
合成字幕对于多模态训练是否有用?这篇AI论文展示了合成字幕在提高多模态训练的字幕质量方面的有效性
多模态模型是人工智能领域的最重要进展之一。这些模型旨在处理和理解来自多种模态的数据,无论是视觉数据(包括图像和视频)...
这个Python库“Imitation”提供了PyTorch中模仿和奖励学习算法的开源实现
在明确定义奖励函数的领域,如游戏中,强化学习(RL)已经超过了人类的表现。不幸的是,在真实世界中许多任务中,设计奖励函...
认识LogAI:一个专为日志分析和智能设计的开源库
LogAI是一个免费的日志分析和智能库,支持各种日志分析和智能任务。它与多种日志格式兼容,并具有交互式图形用户界面。LogAI...
三星AI研究人员推出神经剪发:一种新颖的AI方法,可以从视频或图像中重构基于股的人发几何形状
来自三星人工智能中心、Rockstar Games、FAU Erlangen-Nurnberg和Cinemersive Labs的研究人员提出了一种全新的基于图像的建模...
一项由萨里大学研究人员开发的新软件可以验证人工智能实际掌握的信息量
在过去几年中,人工智能(AI)领域发生了几项技术突破,深刻影响了多个行业和领域。AI在彻底改革医疗保健行业、改变企业运营...
一项新的人工智能研究解释了如何通过上下文指导学习(ICIL)来提高预训练和指导微调模型的零样本任务泛化性能
大型语言模型(LLMs)通过一种称为few-shot演示的过程,在推理过程中展示出了它们可以适应目标任务的能力,有时也被称为上下...
使用预训练的文本到图像扩散模型完成点云补全
你听说过点云这个术语吗?它是三维数据的基本表示,由三维坐标系中的点组成,描述了物体或环境的几何和空间属性。由于提供了...
剑桥大学和加州大学洛杉矶分校的研究人员推出了DC-Check:一种新的数据中心人工智能检查清单式框架,用于指导可靠机器学习系统的开发
机器学习(ML)算法的革命性进展已经赋予了各个行业中许多人工智能应用以强大的能力,例如电子商务、金融、制造和医药。然而...
大型语言模型(LLM)(如ChatGPT)为何在微调时使用强化学习而不是监督学习的5个原因
随着生成式人工智能在过去几个月取得的巨大成功,大型语言模型不断进步和改进。这些模型正在为一些值得注意的经济和社会转型...
斯坦福大学的研究人员介绍了局部条件扩散:一种使用扩散模型进行组合式文本到图像生成的方法
3D场景建模传统上是一项耗时的过程,只有具有领域专业知识的人才能进行。尽管在公共领域中有大量的3D材料可用,但很难找到与...
基于深度学习的天气预测模型的研究
由于对全球人类生活的影响,天气预报引起了来自各个研究领域的研究人员的兴趣。许多研究受到深度学习技术的最新发展、大量天...
ChatGPT的行为随时间变化吗?研究人员评估了GPT-3.5和GPT-4的2023年3月版和2023年6月版在四个不同任务上的表现
大型语言模型(LLMs)已成功证明是人工智能领域中最好的创新。从BERT、PaLM和GPT到LLaMa DALL-E,这些模型在理解和生成语言以...
“遇见CutLER(Cut-and-LEaRn):一种简单的人工智能方法,用于训练无需人工注释的目标检测和实例分割模型”
目标检测和图像分割是计算机视觉和人工智能中关键的任务。它们在许多应用中至关重要,如自动驾驶车辆、医学成像和安全系统。 ...
“梦之雕塑:DreamTime 是一种 AI 模型,用于改进文本到三维内容生成的优化策略”
生成式人工智能模型现在已经成为我们日常生活的一部分。它们在近年来取得了快速的发展,结果从一些奇特的图像发展到了高度逼...
这篇人工智能论文提出了一种高级的图像识别差分隐私方法,具有更好的准确性
机器学习由于近年来的表现在多个领域有了显著增长。由于现代计算机的计算能力和显卡的支持,深度学习实现了有时超过专家预期...
康奈尔大学的人工智能(AI)研究人员提出了一种新的神经网络框架,以解决视频抠像问题
图像和视频编辑是计算机用户最常用的两个应用之一。随着机器学习(ML)和深度学习(DL)的出现,图像和视频编辑已经通过几种...
2023年机器学习研究中的顶级数据版本控制工具
所有用于生产的系统都必须有版本控制。一个单一的位置,用户可以访问最新的数据。对于经常修改的资源,特别是当有多个用户同...
中国的研究人员提出了一种基于联邦学习(FL)的新型μXRD图像筛选方法,旨在在保护数据隐私的同时提高筛选效果
联邦学习提供了一种机制,通过在不让任何人看到或访问您的数据的情况下训练AI模型,释放数据以推动新的AI应用。为了确定工业...
- You may be interested
- AI革命:探索主要行业中的应用和使用案例
- 新模型提供了加快药物研发的方法
- Google AI的AdaTape是一种基于Transformer...
- 遇见SelFee:一种由自反馈生成驱动的迭代...
- 本周从11月13日到11月19日的重要计算机视...
- 从 CSV 到使用 ChatGPT 创建完整分析报告...
- 掌握云迁移:成功的最佳实践
- 使用Amazon Translate Active自定义翻译构...
- Sierra Division 展示了三个使用 NVIDIA O...
- 训练机器更像人类学习
- 《40+ 你应该看看的酷炫AI工具(2023年11...
- 本福特定律与机器学习相遇:用于检测假推...
- 麻省理工学院、哈佛大学和东北大学的“在一...
- 如何在没有Langchain的情况下构建PDF聊天...
- 一项新的AI研究提出了一种以提示为中心的...