中国科学技术大学和 上海人工智能实验室的研究团队推出Agent-FLAN，它旨在改进大语言模型（LLMs）作为智能代理（agents）的能力。智能代理是指能够理解环境、做出决策并采取行动的系统。尽管现有的LLMs在各种自然语言处理（NLP）任务中表现出色，但它们在作为代理时的性能仍然不如基于API的模型。Agent-F... 阅读全文

来自阿里巴巴和中国人民大学的研究团队推出DocOwl 1.5模型，它是一种用于理解文档图像的多模态大语言模型（MLLM）。DocOwl 1.5特别强调了结构信息在理解文本丰富图像（如文档、表格、图表等）中的重要性，并提出了一种统一结构学习方法来提升MLLM的性能。 GitHub地址：https://github.com... 阅读全文

来自清华和微软的研究团队推出LLMLingua-2，它是一种用于压缩大语言模型（LLMs）提示词（prompts）的新方法，目的是在不丢失关键信息的同时提高效率和泛化能力。在大语言模型的使用中，提示词通常是一段文本，用来引导模型生成特定的输出或完成特定的任务。然而，这些提示可能会非常长，导致计算成本增加和信息感知能力下... 阅读全文

这篇论文介绍了一个名为GaussianFlow的方法，它是一种用于创建4D动态内容的新技术。4D内容不仅包括3D空间的形状和外观，还包括随时间变化的动态信息。想象一下，你有一段视频，GaussianFlow能够根据这段视频生成一个可以随着时间改变的3D模型，这个模型不仅能够展示物体的形状和颜色，还能够展示物体随时间的运... 阅读全文

作为AI的热爱者和ChatGPT等工具的日常使用者，我们深知编写提示的烦恼。这确实是一门精细的艺术——我们需要编写出既具体又能获得出色结果的提示，同时又要避免过于复杂导致AI难以理解。我们曾花费大量时间调整和完善提示，但结果往往不尽如人意。 我们深知必须找到更好的方法。因此，我们将对有效提示编写的所有理解浓缩成一个工具... 阅读全文

AI/ML API为开发者提供通过单一API访问超过100个AI模型的机会，确保全天候创新。以比GPT-4低80%的成本提供同等性能，并具备与OpenAI的无缝兼容性，实现轻松过渡。... 阅读全文

Fotor是一个在线图片编辑工具，提供了强大的图像处理工具，让您轻松完成各种图片编辑需求，官方近期推出了AI 照片编辑工具箱：删除背景、生成照片、模糊图像等等！以您想要的任何方式设计和编辑照片，就像呼吸一样简单，而且全部免费！... 阅读全文

Image to Music V2是一个创新的服务，它通过AI技术将图片转化为音乐。上传你的照片后，系统会智能分析并为你生成一段与图片内容相匹配的音乐。 服务流程简单易懂 Image to Music V2结合了图像识别、自然语言处理以及音乐创作三大AI技术，为用户提供了一种新颖的体验。 1. 图像辨识：解读图片内涵 ... 阅读全文

阿里大模型产品“通义听悟”今日迎来重磅更新，全新功能强势登场！其中最引人注目的莫过于音视频问答助手“小悟”的上线，它首次在业界实现了单记录、跨记录、多语言自由问，支持对单个最长6小时、一次性上百条音视频的内容理解问答。 🎉新功能亮点🎉 1️⃣ 音视频问答助手“小悟”：让你对超长音视频随心提问，小悟将为你总结任意知识点。... 阅读全文

Winxvideo AI 是一款能提高视频和照片清晰度的软件，它采用轻量级界面，旨在简化每个视频处理过程，紧跟最新数字趋势，让您完全掌控全新的 4K、HEVC 和 AI 技术。它率先支持独一无二的 3 级硬件加速，将视频转码速度提升到一个新的水平，并在质量和大小之间取得最佳平衡。本次赠送的授权是终身版。 🌟亮点功能一：... 阅读全文

马斯克旗下 xAI正式开源了Grok-1模型，这是一个拥有3140亿参数的混合专家（Mixture-of-Experts）模型，由xAI团队从零开始训练。不过需要注意的是此模型尚未针对任何特定应用（如对话系统）进行微调，依据Apache 2.0许可证进行开源。而他们模型发布方式也比较特别，直接释出了磁力链接让大家下载。... 阅读全文

微软近日推出了一个名为“阅读教练（Reading Coach）”的新一代生成式 AI 教育工具，专门针对学生群体设计，旨在通过个性化的趣味练习来增强学习者的阅读技能。这款工具对用户免费开放，只需登录微软账号，无论是在校内还是家庭环境中都可轻松使用。Reading Coach 最初是集成在 Microsoft Teams... 阅读全文