ShellGPT是一个由 AI 大型语言模型（LLM）驱动的命令行生产力工具。该命令行工具提供了对 shell 命令、代码片段、文档 的简化生成，消除了对外部资源（如 Google 搜索）的需求。支持 Linux、macOS、Windows，并与 PowerShell、CMD、Bash、Zsh 等主要 Shell 兼容... 阅读全文

今日凌晨，备受瞩目的文生视频平台Pika通过X平台宣布了一项令人振奋的新功能：视频现在可以集成AI生成的音效了。这一创新功能将为用户带来更加沉浸式的视频体验，让声音与画面完美融合。据悉，用户现在可以在Pika生成的视频中无缝生成、整合声音。用户只需通过简单的提示词来描述他们想要的声音，或者直接让Pika根据视频内容自动... 阅读全文

在数字化时代，图像生成工具层出不穷，但Recraft凭借其独特的功能和简洁的操作界面，成为了一款备受瞩目的AI图像生成工具。它不仅能够根据需求关键字自动生成多款图像，还支持多种画风切换，让创作变得更加丰富多彩。Recraft的操作相当直觉，用户只需输入需求关键字，系统便能自动生成数款图像供选择。不仅如此，它还支持插画、... 阅读全文

这篇论文介绍了Caduceus，这是一个新型的双向长距离DNA序列模型家族，它能够处理DNA序列中的长距离相互作用，并且考虑了DNA的反向互补性（RC）。Caduceus模型在基因组学中的应用，特别是在预测基因变异对基因表达影响的任务上，表现出了优越的性能。例如，如果我们想要研究一个特定的遗传变异是否会导致某种疾病，C... 阅读全文

这篇论文提出了一种名为S4（Strongly Supervised pre-training with ScreenShots）的新型预训练范式，用于视觉-语言模型（Vision-Language Models，简称VLMs）。S4利用大规模网络截图渲染数据，通过丰富的视觉和文本线索来提升模型的性能，这些线索在使用图像... 阅读全文

这篇论文介绍了一种名为GaLore（Gradient Low-Rank Projection）的方法，它是一种训练大型语言模型（LLMs）的策略，旨在解决训练过程中的显存挑战。随着LLMs的规模不断增长，它们的权重和优化器状态所需的内存也越来越多，这限制了在有限硬件资源上进行训练的能力。 主要功能： GaLore的主要... 阅读全文

百川智能推出ShortGPT，它用于简化大语言模型（LLMs），比如我们熟知的GPT系列。随着LLMs在各种任务上的表现越来越出色，它们的规模也变得越来越大，有的甚至包含了数十亿甚至数万亿个参数。但是，这篇研究发现，LLMs中的许多层其实是非常相似的，有些层在模型功能中的作用几乎可以忽略不计。 举个例子，假设我们有一个... 阅读全文

这篇论文介绍了一种名为Co-LLM（Collaborative Language Model）的方法，它教会多个大语言模型（LLM）如何协作。假设我们有一个任务是回答医学问题。Co-LLM可以让一个通用的大型语言模型（比如LLAMA-7B）生成问题的回答框架，然后调用一个专门针对医学领域训练的模型（比如MEDITRON... 阅读全文

这篇论文介绍了一个名为SaulLM-7B的大语言模型（LLM），它是专门为法律领域设计的。SaulLM-7B拥有70亿个参数，是第一个明确为法律文本理解和生成而设计的LLM。这个模型基于Mistral 7B架构，训练于一个超过300亿个token的英语法律语料库。SaulLM-7B在理解和处理法律文件方面表现出了最先进... 阅读全文

来自上海启智研究院、上海交通大学、清华大学、上海人工智能实验室的研究人员推出新型视觉模仿学习方法3D Diffusion Policy (DP3)，这种方法通过结合3D视觉表示和扩散策略，使得机器人能够在模拟和现实世界任务中高效地学习复杂技能。DP3的核心设计是利用从稀疏点云中提取的紧凑3D视觉表示，这些表示通过一个高... 阅读全文

约翰·霍普金斯大学、香港科技大学（广州）、上海交通大学的研究人员推出新型3D高斯点云模型X-Gaussian，它用于X射线（X光）新视角合成（NVS）。X射线在医学成像等领域广泛应用，因为它能比自然光更深入地穿透物体。然而，X射线对人体有害，尤其是当X射线剂量增加时。提高NVS技术可以帮助减少X射线的暴露，为医生和下游... 阅读全文

来自苹果的研究人员发布论文探讨了视觉-语言模型（VLMs）在视觉推理任务上的表现，特别是针对一种名为雷文进阶矩阵（Raven's Progressive Matrices，简称RPMs）的智力测试。RPMs是一种经典的智力测试工具，它要求参与者通过观察一系列图形，找出完成图案所需的正确图形。这项研究旨在评估VLMs在仅... 阅读全文