中国科学技术大学、香港中文大学、北京大学和上海人工智能实验室的研究人员推出ShareGPT4Video，旨在通过提供密集且精确的字幕来改善大型视频-语言模型（LVLMs）的视频理解能力和文本到视频模型（T2VMs）的视频生成能力。例如，你有一个AI助手，它不仅能看懂视频内容，还能根据视频内容生成详细的描述。这个助手就像... 阅读全文

在深度学习的世界里，核心算法的速度和效率至关重要。ThunderKittens 是一个框架，它极大地简化了在 CUDA（未来还将支持 ROCm 等）中编写快速深度学习核心的过程。现在，ThunderKittens 框架的出现，让这一切变得更加容易实现。 核心原则 简单性：ThunderKittens 的编写方式极为直观... 阅读全文

DuckDuckGo 推出了一项匿名 AI 聊天服务 AI Chat，允许用户匿名使用热门 AI 模型，包括 GPT-3.5、Claude 3 以及开源 Llama 3 和 Mixtral。用户不需要任何注册，可通过网站、DuckDuckGo 搜索引擎或在搜索框加入“!ai”或“!chat”快捷方式访问 AI Chat... 阅读全文

AniMate是一款开源软件，使用 Babylonjs、Electron 和 OpenAI 技术，AniMate 允许您在电脑桌面上展示并与您喜爱的动漫角色进行实时聊天。Babylonjs 负责图形渲染，Electron 提供跨平台的桌面应用程序框架，而 OpenAI 则赋予角色智能对话的能力。 GitHub：http... 阅读全文

VirtualWife是一个虚拟数字人项目，项目还处于孵化阶段，有很多需要优化的地方，作者想打造一个拥有自己“灵魂”的虚拟数字人，你可以像朋友一样和她相识，作者希望虚拟数字人融入人类生活，作为恋爱导师，心理咨询师，解决人类的情感需求。 支持一键通过Docker快速部署 支持在Linux/Windows/MacOS系统进... 阅读全文

MiniCPM-V是面向图文理解的端侧多模态大模型系列。该系列模型接受图像和文本输入，并提供高质量的文本输出。自2024年2月以来，我们共发布了4个版本模型，旨在实现领先的性能和高效的部署，目前该系列最值得关注的模型包括： MiniCPM-Llama3-V 2.5： MiniCPM-V系列的最新、性能最佳模型。总参数量... 阅读全文

阿里在4月份发布最后一个Qwen1.5模型后，在昨晚正式开源了Qwen2系列模型。这一次，阿里为大家带来了： 5个尺寸的预训练和指令微调模型, 包括Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B以及Qwen2-72B； 在中文英语的基础上，训练数据中增加了27种语言相关的高质... 阅读全文

中国版Sora？快手推出自研视频生成大模型可灵大模型（Kling），可以生成2分钟的视频，目前处于测试阶段，需要下载APP申请加入候补名单。 以下是官方的介绍： 1️⃣大幅度的合理运动：可灵采用3D时空联合注意力机制，能够更好地建模复杂时空运动，生成较大幅度运动的视频内容，同时能够符合运动规律。 2️⃣长达2分钟的视频... 阅读全文

谷歌推出一种新型的对话推荐系统，称为“Item-Language Model”（ILM）。这个系统结合了大语言模型（LLMs）的理解和生成能力以及推荐系统的个性化推荐功能。例如，你正在和一个非常聪明的在线购物助手聊天。你告诉它你想要一双新的运动鞋，它不仅能理解你的需求，还能根据你过去的购物习惯和其他用户的选择来推荐几款... 阅读全文

佐治亚理工学院和谷歌的研究人员推出新方法PLaD（Preference-based Large Language Model Distillation），它用于从大语言模型（LLMs）中提取知识并将其传授给更紧凑的学生模型。这种方法特别适用于资源受限的环境中，能够有效地减少模型的内存占用和推理成本。 例如，你有一个非常... 阅读全文

小多科技推出新型语言模型Xmodel-LM，它是一个紧凑高效的11亿参数（1.1B）模型，预训练于超过2万亿个token的数据集之上。Xmodel-LM的特点在于它在较小的模型规模下，却能展现出与现有开源语言模型相似或更优的性能。例如，你有一个智能助手，它可以帮助你回答问题、撰写文章，甚至学习新的语言。但通常这些助手需... 阅读全文

斯坦福大学、马萨诸塞大学阿默斯特分校和德克萨斯大学奥斯汀分校的研究人员推出强化学习算法Direct Alignment Algorithms（直接对齐算法，简称DAAs），特别是在人类反馈强化学习（Reinforcement Learning from Human Feedback，简称RLHF）中的应用。RLHF是一... 阅读全文