研究
-
LeCun力挺，马毅教授五年集大成之作：完全数学可解释的白盒Transformer，性能不输ViT
过去十多年，AI的飞速发展主要是工程实践上的进步，AI理论并没有起到指导算法开发的作用，经验设计的神经网络依然是一个黑盒。 而随着ChatGPT的爆火，AI的能力也被不断夸大、炒作，甚至到了威胁、绑架社会的地步，让Transformer架构设计变透明已刻不容缓！ ☞☞☞AI 智能聊天, 问答助手, …
-
PHP框架在教育和研究中的应用
php框架在教育和研究中的应用：它们提供广泛的特性和优点，包括mvc架构、数据库抽象层和表单验证。这些特性促进了复杂应用程序的开发，例如学习管理系统、研究信息管理系统和协作研究平台，为教育和研究领域提供了有价值的工具。 PHP 框架在教育和研究中的应用 PHP 框架是一种强大且灵活的工具，可用于创建…
-
CREATOR制造、使用工具，实现LLM「自我进化」
自古以来，工具的使用被视为区分人与其他物种的一大区别，也被视为是智能的一种根本体现。而当下，人工智能已不再局限于对工具的简单使用，它们已然能够根据问题创造性地建立自己的工具来寻求解决方案。在思维上，这代表着当下大模型已经能够掌握更高层次的抽象思维认知，并将其与具象思维划分，共同解决问题；而在能力上，…
-
SQLSERVER聚集索引与非聚集索引的再次研究（下）
SQLSERVER聚集索引与非聚集索引的再次研究（下） 上篇主要说了聚集索引和简单介绍了一下非聚集索引，相信大家一定对聚集索引和非聚集索引开始有一点了解了。 这篇文章只是作为参考，里面的观点不一定正确 上篇的地址：SQLSERVER聚集索引与非聚集索引的再次研 SQLSERVER聚集索引与非聚集索引…
-
轻量级视觉网络新主干：高效的傅里叶算子Token混合器
1. 背景 这些年来，Transformer、Large-kernel CNN和MLP这三种视觉主干网络在广泛的计算机视觉任务中取得了巨大的成功，这主要归功于它们在全局范围内高效地融合信息的能力 Transformer、CNN和MLP是当前三种主流的神经网络，它们分别采用不同的方式来实现全局范围的T…
-
国际最新研究：人工智能在创造性思维任务中或超越大部分人类
施普林格·自然旗下的学术期刊《科学报告》最近刊登了一篇关于人工智能（ai）的研究论文。该论文指出，大型语言模型（llm）ai对话机器人在创造性思维任务上可能会超过大部分普通人。这项任务要求受试者提出日常用品的替代用途，这是发散性思维的一个例子。不过，研究也发现，得分最高的人类受试者仍然能够超过对话机…
-
iPhone中隐藏的机器人：基于GPT-2架构，带有emoji分词器，由MIT校友开发
发烧友们已经揭开了苹果transformer的“秘密” 在大型模型浪潮的影响下，即使是保守的苹果公司，在每次发布会上也必定会提及”Transformer” 比如，在今年的WWDC上，苹果就已宣布，船新版本的iOS和macOS将内置Transformer语言模型，以提供带文本预…
-
统一图像和文字生成的MiniGPT-5来了：Token变Voken，模型不仅能续写，还会自动配图了
大型模型正在实现语言和视觉之间的跨越，有望无缝地理解和生成文本和图像内容。在最近的一系列研究中，多模态特征集成不仅是一个不断发展的趋势，而且已经带来了从多模态对话到内容创建工具等关键进步。大型语言模型在文本理解和生成方面已经展现出无与伦比的能力。然而，同时生成具有连贯文本叙述的图像仍然是一个有待发展…
-
北大团队：诱导大模型“幻觉”只需一串乱码！大小羊驼全中招
北大团队的最新研究结果表明： 随机token都能诱发大模型出现幻觉！ 举例来说，如果给予大模型（Vicuna-7B）一段“乱码”，它会莫名其妙地错误理解历史常识 即使做出一些简单的修改提示，大型模型也可能陷入陷阱 这些热门的大型模型，如Baichuan2-7B、InternLM-7B、ChatGLM…
