微软发布论文，论文的主题是探讨大语言模型（LLMs）在医学问题回答中的鲁棒性，即这些模型在面对现实世界临床环境时，其性能是否能够稳定地泛化。论文的核心观点是，尽管LLMs在医学问题回答的基准测试中表现出色，但这并不意味着它们在真实的临床环境中也能同样表现良好。基准测试通常基于某些假设，而这些假设在现实世界中可能并不成立... 阅读全文

谷歌发布论文，论文的主题是提升大语言模型（LLMs）在数学推理方面的表现。例如，你有一个大型语言模型助手，你问它“一个篮子里有5个苹果，我拿走了2个，篮子里还有几个？”一个普通的助手可能会简单地回答“3个”。但是，如果你使用了一个经过OmegaPRM算法训练的高级助手，它可能会这样回答：“首先，我们知道篮子里原本有5个... 阅读全文

康乃尔科技校区推出一种新型的语言模型MDLM（简单高效的掩蔽扩散语言模型）。这种模型在生成文本方面表现出色，特别是在与自回归（AR）方法相比时，显示出了更好的性能。通过对比实验展示了MDLM在多个语言模型基准测试中的性能，并且提供了代码链接，供研究者进一步探索和使用。 项目主页：https://s-sahoo.com/... 阅读全文

昆仑万维旗下天工AI发布大语言模型（LLM）训练技术Skywork-MoE，Skywork-MoE是一个具有1460亿参数和16个专家的高性能混合专家（Mixture-of-Experts，简称MoE）模型。这个模型是从Skywork-13B模型的密集型检查点初始化而来的。通过实验结果表明，Skywork-MoE在多个... 阅读全文

来自微软和OpenAI领衔多所大学的研究人员发布论文，论文的主题是关于“提示技术”（Prompting Techniques）在生成式AI（Generative AI，简称GenAI）系统中的应用和研究。简单来说，提示技术是一种与人工智能系统交流的方法，通过给AI一个“提示”或“指令”，让它根据这个提示来生成回答或者完... 阅读全文

复旦大学和上海AI实验室发布MCT Self-Refine（MCTSr）算法，它是一种将大语言模型（LLMs）与蒙特卡洛树搜索（MCTS）结合起来的创新方法，旨在提高解决复杂数学问题的性能。这种方法特别针对大型语言模型在策略性思维和数学推理中的准确性和可靠性问题，通过系统化的探索和启发式自我改进机制，改善了LLMs内部... 阅读全文

上海人工智能实验室OpenGVLab、香港大学、南京大学、哈尔滨工业大学和上海交通大学的研究人员推出综合数据集GUI Odyssey，它旨在训练和评估跨应用（Cross-App）图形用户界面（GUI）导航代理。这些代理能够模拟用户与智能手机应用的交互，以自动化完成一些任务，从而提高用户体验。研究团队还推出Odyssey... 阅读全文

上海人工智能实验室、新加坡国立大学、香港大学、威斯康星大学麦迪逊分校和加州大学圣地亚哥分校的研究人员推出T2VHE协议，重新思考文本到视频（Text-to-Video，简称T2V）模型的人类评估协议，目的是提高评估的可靠性、可重复性和实用性。随着T2V技术的发展，比如Gen2、Pika和Sora等模型的出现，如何有效地... 阅读全文

哈佛大学和Google 研究的研究人员推出 TalkTuner ，这是一个用于提高对话式人工智能（AI）透明度和控制性的仪表板（Dashboard）。这个仪表板的目的是让用户能够理解并控制AI聊天机器人的内部工作机制，特别是它如何根据对用户的了解来定制化回答。通过创建一个端到端的原型系统，展示了这种设计的可能性，并通过... 阅读全文

清华大学、 香港中文大学、早稻田大学和腾讯人工智能实验室发布新基准测试ChartMimic，它专门用来评估大型多模态模型（LMMs）在将图表转换为代码方面的能力。你是一位物理学家，你有一个关于粒子速度分布的复杂图表，你想将这个图表转换成代码以便在报告中使用。使用ChartMimic，你可以上传这个图表，然后模型会分析图... 阅读全文

AIRI推出一种新型的大型多任务强化学习数据集——XLand-100B。想象一下，你是一个拥有超能力的机器人，能够通过观察别人玩游戏来学习如何自己玩游戏，而且不需要别人告诉你每一步怎么走，你只需要看他们玩几次就能自己上手。这听起来是不是很酷？XLand-100B数据集就是用来训练像你这样的智能体的。总之，XLand-1... 阅读全文

慕尼黑大学和慕尼黑机器学习中心、索邦大学和法国国家科学研究院的研究人员推出MaskLID，它用于识别在一段话中混合使用的不同语言，也就是所谓的“代码切换”（Code-Switching，简称CS）。代码切换是指在一段话中交替使用两种或更多语言的现象，这在多语言社区中非常普遍，比如一个人在说话或写作时可能会在一段话中混入... 阅读全文