模型

「以史为鉴，可以知兴替。」人类的进步史是一个不断吸取过去经验、推进能力边界的自我演化过程。我们从过去的失败中吸取教训，纠正错误；借鉴成功经验，提升效率和效果。这种自我进化贯穿生活方方面面：总结经验解决工作问题，利用规律预测天气，我们持续从过去学习和进化。 成功从过去的经验中提取知识并将其应用于未来的…

在如今颇为火热的人形机器人赛道，波士顿动力是较早入局的一位选手。 在过去几年里，Atlas人形机器人的动态跑酷能力引起了全球的关注。随后，我们还看到Atlas在模拟建筑工地上展示了搬运能力。然而，需要指出的是，目前Atlas仍然只是一个开发平台，不能在现实世界中进行实际工作。其中一个原因是它使用的液…

背景 大语言模型（LLMs）虽展现出了强大的能力，但也可能产生不可预测和有害的输出，例如冒犯性回应、虚假信息和泄露隐私数据，给用户和社会造成伤害。确保这些模型的行为与人类意图和价值观相对齐，是一个紧迫的挑战。 尽管基于人类反馈的强化学习（RLHF）提供了一种解决方案，但它面临复杂的训练架构、对参数的…

ImageNet准确率曾是评估模型性能的主要指标，但在当今计算视觉领域，这一指标逐渐显得不够完善。 随着计算机视觉模型变得更加复杂，可用模型种类已显著增加，从ConvNets到Vision Transformers。训练方法也发展到自监督学习和像CLIP这样的图像-文本对训练，不再局限于ImageN…

meta fair 田渊栋参与的研究项目在上个月获得了广泛好评。在他们的论文《mobilellm: optimizing sub-billion parameter language models for on-device use cases》中，他们开始探讨如何优化10亿以下参数的小型模型，旨在…

原标题：on the road to portability: compressing end-to-end motion planner for autonomous driving 论文链接：https://arxiv.org/pdf/2403.01238.pdf 代码链接：https://gi…

时间序列预测在各个领域中起着重要作用，例如零售、金融、制造业、医疗保健和自然科学等。在零售行业中，通过提高需求预测的准确性，可以有效降低库存成本并增加收入。这意味着企业能够更好地满足客户需求，减少库存积压和损失，同时提高销售额和利润。因此，时间序列预测在零售领域中具有重要的价值，能够为企业带来实质 …

今天我想分享一个最新的研究工作，这项研究来自康涅狄格大学，提出了一种将时间序列数据与自然语言处理（nlp）大模型在隐空间上对齐的方法，以提高时间序列预测的效果。这一方法的关键在于利用隐空间提示（prompt）来增强时间序列预测的准确性。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限…

谷歌发布了一个新的视频框架： 只需要一张你的头像、一段讲话录音，就能得到一个本人栩栩如生的演讲视频。 视频时长可变，目前看到的示例最高为10s。 可以看到，无论是口型还是面部表情，它都非常自然。 如果输入图像囊括整个上半身，它也能配合丰富的手势： ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索,…

马斯克说到做到开源grok-1，开源社区一片狂喜。 但基于Grok-1做改动or商用，都还有点难题： Grok-1使用Rust+JAX构建，对于习惯Python+PyTorch+HuggingFace等主流软件生态的用户上手门槛高。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使…