加州大学圣地亚哥分校和Adob​​e 研究中心推出名为Neural Directional Encoding（NDE）的技术，它用于高效且准确地模拟镜面物体（如闪亮的金属或光泽油漆）的新视角合成。这类物体的光泽外观以及全局光照效果（包括环境中其他物体的反射）是忠实再现场景的关键组成部分。 主要功能： NDE的主要功能是... 阅读全文

谷歌推出NeRF-Casting，它用于改善神经辐射场（Neural Radiance Fields，简称NeRFs）在渲染高度反光物体时的外观效果。NeRFs是一种用于3D场景表示和新视角合成的深度学习模型，但它们在处理反射强烈或镜面反射物体时常常遇到困难。 主要功能： NeRF-Casting的主要功能是提高NeR... 阅读全文

清华大学和京东方的研究人员推出Tele-Aloha，这是一款低成本、高真实感的双向远程存在（telepresence）系统。远程存在系统是一种通信技术，它能够让身处不同地点的人们感受到彼此仿佛在同一空间中。想象一下，你可以通过这种系统，与远在世界另一端的朋友或同事进行交流，就像他们真的坐在你旁边一样。 主要功能： Te... 阅读全文

清华大学、悉尼大学、百度、亚马逊网络服务和香港中文大学的研究人员推出视觉-语言连接器Dense Connector，提升多模态大语言模型（MLLMs）中视觉编码器的潜力。MLLMs是一类能够同时处理文本和视觉信息的人工智能模型，它们在理解和生成文本、以及视觉识别方面表现出色。然而，目前的研究和开发主要集中在语言能力的提... 阅读全文

深度求索推出DeepSeek-Prover，提升大语言模型（LLMs）在数学定理证明方面的能力。具体来说，研究者们开发了一个名为DeepSeek-Prover的系统，它能够通过大规模合成数据来增强定理证明的能力。通过这种方式，DeepSeek-Prover不仅能够提升数学证明的自动化水平，还能够通过提供大量的合成数据来... 阅读全文

麻省理工的研究人员发布论文，论文的主题是探讨语言模型是否仅使用一维特征来处理和理解语言，还是它们也利用了多维特征。我们可以通过一个简单的比喻来理解这个问题：想象一下，你有一张城市的地图，这张地图上的所有信息都是通过点（代表城市的不同部分）在一条直线上的排列来表示的。这个排列就像是语言模型中的一维特征，每个点代表一个概念... 阅读全文

Normal Computing推出一种新型的神经网络训练方法——热力学自然梯度下降（Thermodynamic Natural Gradient Descent，简称TNGD）。这种方法试图解决大规模神经网络训练中的一个主要问题：计算效率。通常，第二梯度方法（考虑了损失函数曲面的曲率信息）在理论上具有更好的收敛性，但... 阅读全文

魏茨曼科学研究所、英特尔实验室和麻省理工学院的研究人员发布论文，论文的主题是关于如何加速大语言模型（LLMs）的推理过程。在AI领域，尤其是在需要实时应用的场景中，比如股票交易算法或自动驾驶车辆中，快速准确地进行语言模型推理是一个重要挑战。这篇论文介绍了一种新颖的分布式推理算法——分布式推测推理（Distributed... 阅读全文

南京大学研究人员推出新型多模态大语言模型AlignGPT，它特别关注于提升模型对视觉和语言信息之间对齐能力的理解。简单来说，AlignGPT就像是一个超级学霸，它不仅能看懂图片，还能理解文字，并且能把这两者关联起来，给出非常聪明的回答。例如，你给AlignGPT一张蛋糕的图片，并问它“蛋糕上有多少颗草莓？”，Align... 阅读全文

本周，微软为开发者带来了一个好消息：GitHub Copilot Extension。这是一项新的扩展，旨在增强在Visual Studio Code（VS Code）中的编程体验。 Code Runner Copilot 插件 配合这一消息，开发者们也推出了一款新的VS Code插件——Code Runner Cop... 阅读全文

今年一月推出的Arc浏览器最新版中，加入了一项创新功能——“Raise to Call Arc”。这项功能允许用户像打电话一样，将iPhone拿到耳边，即可与Arc的AI语音助手进行对话。 功能介绍 升级到最新版本后，“Raise to Call Arc”功能将自动开启。该功能通过iPhone的光线感测器来侦测动作，当... 阅读全文

来自英国杜伦大学、英国纽卡斯尔大学、中国地质大学的研究人员推出Dreamer XL，它用于将文本转换为高分辨率的3D模型。这项技术的目标是通过改进现有的文本到3D生成过程，生成更加逼真和详细的3D内容。例如，你想要创建一个虚拟现实游戏的环境，或者需要在建筑演示中展示一个新设计的建筑物。使用Dreamer XL，你只需提... 阅读全文