石溪大学的研究人员推出新型视觉基础模型Theia，它是专门为机器人学习设计的。Theia的核心特点是能够从多个现成的视觉基础模型（VFMs）中提取和融合知识，以提供更丰富的视觉表示，从而增强机器人在各种视觉任务中的学习能力。例如，你有一个机器人，你希望它能看懂周围的世界，比如识别物体、理解空间关系，甚至根据视觉信息来做... 阅读全文

阿里巴巴推出新型大型语言模型系列SeaLLMs（Southeast Asian Large Language Models），它们专为东南亚语言量身定制，以解决现有语言模型在处理资源较少和区域性语言时的偏见和不足。总的来说，SeaLLMs是一组先进的语言模型，它们能够理解和生成东南亚语言的文本，为这些语言的使用者提供了... 阅读全文

中国石油大学的研究人员推出一种用于追踪学术论文来源的推荐系统模型，名为“文本驱动的神经协同过滤模型”（Text-Driven Neural Collaborative Filtering Model），简称NCF-SciBERT。这个模型的目的是自动化地识别给定学术论文中的关键参考文献，这对于理解学术领域的知识结构和学... 阅读全文

苏黎世联邦理工学院和迪士尼搜索研究部门的研究人员推出BetterDepth，它是用来提升单目深度估计（Monocular Depth Estimation, MDE）的性能。单目深度估计是一种计算机视觉任务，它的目标是通过分析一张图片来猜测物体距离相机的远近，这有点像我们人眼观察世界时，能够感知物体的深度和距离。 例如... 阅读全文

香港理工大学的研究人员推出新型开源多智能体数据分析系统LAMBDA，LAMBDA的核心思想是利用大语言模型（LLMs）的能力，通过自然语言交互来解决复杂的数据驱动应用中的数据分析挑战。简单来说，LAMBDA就是一个能够理解人类语言并执行数据分析任务的智能系统。 项目主页：https://www.polyu.edu.hk... 阅读全文

阿里巴巴和中国人民大学的研究团队推出多智能体模拟平台AgentScope，它是为了应对大规模智能体模拟中的一些挑战而设计的，比如可扩展性、效率、智能体多样性以及管理过程的复杂性。AgentScope平台利用了大语言模型（LLMs）的能力，使得智能体能够理解、生成和与人类语言交互，进而在模拟环境中执行任务。 项目主页：h... 阅读全文

清华大学、中南大学、阿里巴巴集团、蚂蚁集团和南洋理工大学的研究人员发布论文，论文的主题是关于如何提高大语言模型（LLMs）在生成有害内容时的自我纠正能力，也就是所谓的“课程修正”（course-correction）。这是指模型在开始生成有害内容后，能够自主地转变方向，避免继续产生不当内容。 GitHub：https:... 阅读全文

香港中文大学 MMLab、上海交通大学、 上海人工智能实验室和 vivo人工智能实验室的研究人员推出一个名为“Android Multi-annotation EXpo（AMEX）”的数据集，它是为了提升移动设备上AI代理（也就是智能助手）的能力而设计的。这些AI代理能够通过直接与图形用户界面（GUI）交互来完成复杂的... 阅读全文

洋芋田图像工具箱是一个适用于创意行业从业者的图像工具箱，适合摄影从业者/爱好者、设计师等创意行业从业者用于日常处理图片的需求。 软件目前有如下工具： 图片加水印工具 全屏水印工具 长图拼接工具 图片裁剪工具 图片分割工具 富文本制图工具 尺寸调整工具 图片压缩工具 格式转换工具 EXIF读取工具 色彩提取工具 字体管理... 阅读全文

DreamCar 是一项创新的3D汽车重建技术，它能够利用少量甚至单张汽车图片，重建出高质量的三维汽车模型。这对于自动驾驶行业的模拟器来说是一个巨大的突破，因为传统上，创建精致的3D汽车模型需要专业的艺术家手工制作，这既耗时又成本高昂。为了使生成模型更加通用，研究团队收集了一个包含超过5,600辆汽车的数据集，命名为C... 阅读全文

清华大学研究院、上海交通大学、香港大学、北京大学、上海启智研究院和上海人工智能实验室的研究人员推出Maniwhere，这是一个针对视觉强化学习的通用框架，使训练后的机器人策略能够在多种视觉干扰类型的组合中实现泛化。具体而言，研究团队引入了一种结合空间变换网络（STN）模块的多视图表示学习方法，用于捕获不同视角之间的共享... 阅读全文

PERSONA创建了一个多元化的“角色”库，这些角色具有不同的背景和个性特征，通过这些角色，我们可以更全面地测试和改进智能助手，让它能够更好地理解和服务于每一个人。想象一下，我们正在训练一个能够理解和回应不同人群需求的智能助手。这个助手需要能够适应不同的价值观和观点，就像我们人类一样。但是，如果我们只用一种标准或者多数... 阅读全文