···q新加坡管理大学、新加坡Sea AI实验室、新加坡国立大学和罗格斯大学的研究人员推出自对齐使用DPO隐式奖励DICE，这个方法利用了直接偏好优化（DPO）训练后的隐式奖励模型来进一步优化语言模型。实验结果表明，DICE在保持模型大小不变的情况下，显著提高了语言模型的性能，甚至在某些方面超过了需要额外人类反馈的封闭... 阅读全文

爱丁堡大学和同济大学的研究人员推出新评估工具 MIRB（Multi-Image Relational Benchmark, 多图像关系基准），用来衡量这些模型在处理和推理多个图像时的表现，评估和测试视觉语言模型（VLMs）在理解多图像方面的能力。论文通过广泛的评估发现，尽管在单图像任务中一些开源的视觉语言模型能够与一些... 阅读全文

百度、ModelBest和UCPH的研究人员发布论文 ，论文的主题是探讨了在大语言模型（LLMs）中，文本分词（tokenization）这一预处理步骤存在的问题，以及这些问题对模型性能的影响。分词是将原始文本转换成一系列子词（subword）标识符的过程，这个过程对拼写错误、文本长度变化非常敏感，并且往往忽略了词内结... 阅读全文

首尔国立大学、 SqueezeBits和成均馆大学的研究人员推出新型二值化技术“Mixture of Scales”（简称BinaryMoS），它主要用于压缩大语言模型（LLMs）。二值化是一种将模型中的权重参数转换为二进制值的方法，可以显著减少模型的大小，但传统的二值化技术会牺牲模型的语言能力。BinaryMoS通过... 阅读全文

字节跳动、北京大学、厦门大学和清华大学的研究人员推出新技术HumanSplat，它能够通过单张图片来预测任何人的3D高斯Splatting属性。简单来说，就是利用人工智能技术，从一张照片中重建出一个逼真的3D人体模型。这项技术的出现，不仅推动了计算机视觉领域的发展，也为3D内容的创建和展示提供了新的可能性。 项目主页：... 阅读全文

华盛顿大学、哈佛大学和斯坦福大学的研究人员推出新型大语言模型TABULA-8B，它专门用于处理表格数据（Tabular Data）。表格数据是一种结构化、异构的、类似电子表格的数据形式，它在许多领域中都有广泛应用，比如医疗、金融、政府和自然科学等。 例如，你有一大堆来自不同地方的数据表，这些数据表里充满了数字、文字和日... 阅读全文

上海交通大学、上海人工智能实验室、 生成式人工智能研究实验室（GAIR）的研究人员推出评估平台OlympicArena，它专门用来测试和衡量人工智能（AI）模型在解决高难度问题时的认知推理能力。这些问题的难度级别相当于奥林匹克竞赛水平，涵盖了多个学科领域。 项目主页：https://gair-nlp.github.io... 阅读全文

智谱AI发布论文介绍了大语言模型家族ChatGLM，这些模型由GLM-130B发展到GLM-4系列，包括GLM-4、GLM-4-Air和GLM-4-9B。这些模型代表了该家族中最强大的版本，它们结合了之前几代ChatGLM的经验和技术。总的来说，ChatGLM是一个多功能、高性能的大型语言模型，它通过不断学习和适应，能... 阅读全文

清华大学、腾讯 PCG ARC 实验室和加州大学圣克鲁斯分校的研究人员推出新型视觉压缩技术VoCo-LLaMA，这项技术是专门为视觉-语言模型（Vision-Language Models，简称VLMs）设计的，目的是解决这些模型在处理高分辨率图像输入和视频时遇到的两个主要问题：有限的上下文窗口和高昂的计算成本。 项目... 阅读全文

Snap和卡内基梅隆大学的研究人员推出4Real系统，它是一个能够从文本提示生成接近照片级逼真度的四维场景（4D场景）的生成框架。四维在这里指的是包括时间维度的三维动态场景。4Real利用了视频扩散模型（video diffusion models）和可变形的三维高斯Splats（Deformable 3D Gauss... 阅读全文

斯坦福大学推出TEXTGRAD框架，它是一种全新的自动化优化方法，专门为复杂的人工智能（AI）系统设计。例如，有一个非常聪明的助手，它能够理解你给出的指令，然后用自然语言给你反馈，告诉你如何改进你的工作或解决问题。TEXTGRAD就是这样一个助手，但它服务的对象是AI系统。TEXTGRAD可以通过分析问题和当前的解答，... 阅读全文

Maitrix.org、加州大学圣地亚哥分校、MBZUAI的研究人员推出新型世界模型Pandora，它能够通过生成视频来模拟未来世界的状态，并且可以接受自然语言的动作指令进行实时控制。简单来说，Pandora就像是一个高级的虚拟助手，它可以观看视频（理解世界当前的状态），听懂你的自然语言指令（比如“汽车左转”或“添加一... 阅读全文