来自阿卜杜拉国王科技大学和哈佛大学推出多模态大语言模型MiniGPT4-Video，它专门设计用于视频理解，它通过结合视觉和文本数据，能够有效地理解和回应视频中的信息，为视频内容的智能分析和交互提供了新的可能性。想象一下，你在看一个视频，想要一个智能系统不仅能理解视频中的图像内容，还能理解视频中的文字对话。MiniGP... 阅读全文

来自微软、 东京大学、浙江大学、中国科学技术大学、香港中文大学和香港中文大学（深圳）的研究人员推出新型文本到语音（TTS）合成方法RALL-E，它通过改进语音的音调和时长预测，以及增强模型对音素的关注，从而生成更加准确和自然的语音输出。想象一下，你有一段文字，想要让它变成流畅自然的语音，就像有人在朗读一样。RALL-E... 阅读全文

Cohere推出了大型语言模型Command R+。专为企业级工作负载设计，优化了高级检索增强生成(RAG)功能，以减少错误生成，并支持10种关键语言的多语言覆盖。 以下是官方介绍全文翻译： Command R+是一款经过RAG优化的尖端模型，专门设计用于处理企业级工作负载，并首先在Microsoft Azure平台上... 阅读全文

无需复杂的设置，无需GPT/OpenAI账户，Elmo就能为您带来全新的网页浏览体验。作为您的人工智能网页助手，Elmo帮助您轻松创建摘要、洞察知识，并扩展您的认知边界。 摘要功能：Elmo 可让您即时将网站内容浓缩成简洁的摘要。此功能适用于快速阅读者和那些想要快速掌握主要思想而不必深入详细内容的用户。 回答问题：您可... 阅读全文

Kimi 阅读助手是一款基于 Kimi的浏览器插件，可进行文章总结、翻译等操作。    ... 阅读全文

阿里推出新型3D场景编辑框架Freditor，它通过频率分解技术实现了高保真度和可迁移性的NeRF（Neural Radiance Fields，神经辐射场）编辑。想象一下，你有一张3D渲染的日落场景图片，想要将其编辑成夜晚的样子，同时保持场景的细节和一致性。Freditor就是为此而生的工具。总之，Freditor是... 阅读全文

亚马逊AWS发布论文探讨了基于扩散的文本到图像生成（Text-to-Image, T2I）模型的可扩展性。扩散模型是一种通过逐步去噪来生成图像的深度学习技术。论文的主要目的是理解如何有效地扩展这些模型以提高性能，同时降低成本。 主要功能和特点： 模型和数据集的扩展性研究：论文通过大量实验研究了扩展模型和数据集对性能的影... 阅读全文

谷歌推出新型的基于Transformer的语言模型“Mixture-of-Depths”（MoD），它能够动态地在模型的不同层之间分配计算资源。传统的变换器模型在处理输入序列时，对每个标记（token）都均匀地分配计算资源。然而，并非所有的标记都需要相同的计算量来准确预测结果。MoD模型通过学习动态地决定哪些标记需要更... 阅读全文

来自韩国的研究人员推出新型框架THINK-AND-EXECUTE，旨在提高大语言模型（LLMs）在算法推理任务上的表现。算法推理是指理解问题背后的复杂模式，并将其分解为一系列推理步骤以找到解决方案的能力。这种能力对于语言模型来说是一个挑战，因为它们需要将复杂的推理模式转化为一系列详细的步骤。总的来说，THINK-AND... 阅读全文

智谱AI推出ChatGLM-Math，提升大语言模型（LLMs）在解决数学问题方面的能力。想象一下，你有一个超级聪明的机器人助手，它可以和人类一样理解和使用语言，但是当你给它一些数学题目时，它却常常束手无策或者给出错误的答案。这篇论文就是想解决这个问题，让机器人助手不仅能聊天，还能帮你解决数学题。这项研究的目标是让语言... 阅读全文

元象发布XVERSE-MoE-A4.2B大模型 ，采用业界最前沿的混合专家模型架构，激活参数4.2B，效果即可达到13B模型水准。据介绍，XVERSE-MoE-A4.2B实现了极致压缩，相比XVERSE-13B-2仅用30%计算量，并减少50%训练时间。在多个权威评测中，元象MoE效果大幅超越Gemma-7B、Mist... 阅读全文

普林斯顿团队开源发布了Agent打造的AI程序员SWE-agent，它能让GPT-4等大模型轻松编辑和运行代码，在SWE-bench测试集上获得与首个AI程序员Devin相似的准确度，平均耗时93秒。 项目主页：https://swe-agent.com GitHub：https://github.com/prince... 阅读全文