来自马萨诸塞大学阿默斯特分校、上海交通大学、华南理工大学、武汉大学、麻省理工学院和IBM Watson AI 实验室的研究团队推出新型人工智能模型3D-VLA（3D Vision-Language-Action），它是一个能够理解三维视觉信息、语言指令，并在此基础上进行行动规划的生成式世界模型。想象一下，你有一个机器人... 阅读全文

零一万物发布了Yi大模型API（应用程序接口）开放平台。据悉，此次 API 开放平台提供以下模型：Yi-34B-Chat-0205，支持通用聊天、问答、对话、写作、翻译等功能；Yi-34B-Chat-200K，支持200K 上下文，多文档阅读理解、超长知识库构建；Yi-VL-Plus多模态模型，支持文本、视觉多模态输入... 阅读全文

谷歌DeepMind团队发布了可扩展、可指导的多世界智能体SIMA（Scalable Instructable Multiworld Agent），该智能体可以遵循自然语言指令在各种视频游戏环境中执行任务，从个别游戏转向通用的、可指导的游戏AI智能体。据介绍，SIMA适用于3D虚拟环境，可通过语言接口将先进的AI模型能... 阅读全文

今日，AI大模型创企Anthropic发布了Claude 3 Haiku，这是同系列中速度最快且最实惠的型号，该模型现已与Sonnet和Opus一起在Claude API和claude.ai上为Claude Pro订阅者提供。 以下是官方全文翻译： 今天，我们隆重发布Claude 3 Haiku，这款模型在其智能等级中... 阅读全文

上海人工智能实验室（上海AI实验室）发布新一代高质量大模型预训练语料“万卷CC”（WanJuan-CC），首批开源的语料覆盖过去十年互联网上的公开内容，包含1千亿字符（100B token），约400GB的高质量英文数据。作为“大模型语料数据联盟”今年首发的开源语料，WanJuan-CC将为学界和业界提供大规模、高质量... 阅读全文

16x Prompt 是一款桌面应用程序，它帮助您从各种输入中创建提示。这些提示是基于任务说明、源代码文件和格式指示生成的。随后，您可以将这些提示输入到ChatGPT或其他大型语言模型中，以生成所需的代码。首先，下载并安装16x Prompt。然后，打开应用程序并开始编写您的提示。在此过程中，您可以输入任务说明并选择相... 阅读全文

你是否正在寻找一款方便易用的AI图片生成工具？Freepik，这家老字号免费图库，近期推出的AI Image Generator或许能满足你的需求。Freepik早期以向量图、相片、图示和影片素材为主打，如今已发展成为线上相片编辑工具和应用程式的领先者。不仅如此，Flaticon、Slidesgo和Videvo等知名产... 阅读全文

这篇论文的主题是关于如何通过合成图像和文本对来提升视觉-语言模型（Visual-Language Models，简称VLMs）的训练效率和性能。简单来说，就是利用大型语言模型（Large Language Models，简称LLMs）和图像生成模型来创建虚拟的图像和文本配对，然后用这些合成数据来训练VLMs，从而在不依... 阅读全文

Meta推出Branch-Train-MiX（BTX），它是一种高效的训练大语言模型（LLMs）的方法，旨在让模型在多个专业领域（如编程、数学推理和世界知识等）都具备能力。BTX方法从一个基础模型开始，然后将其分支出去，以并行的方式训练各个专家模型，这样做的通信成本较低，吞吐量高。训练完成后，BTX将这些专家模型的前馈... 阅读全文

这篇论文介绍了一个名为FAX的软件库，它是基于JAX（一个用于高性能机器学习计算的Python库）构建的，旨在支持大规模分布式和联邦计算。FAX特别适用于数据中心和跨设备应用程序，能够在不共享数据的情况下，让多个客户端协作完成机器学习任务，这就是所谓的联邦学习（FL）。 主要功能： FAX的主要功能是提供一个易于编程、... 阅读全文

这篇论文介绍了一个名为Motion Mamba的新型动作生成模型，它专注于高效地生成长时间序列的人类动作。Motion Mamba是一个强大的工具，它通过结合先进的状态空间模型和扩散模型，为长时间序列的人类动作生成提供了一个高效且高质量的解决方案。想象一下，你正在为一个视频游戏设计角色动作，或者为一个动画电影创建复杂的... 阅读全文

韩国科学技术院推出新型大型语言和视觉模型MoAI（Mixture of All Intelligence），MoAI是一个强大的多模态模型，它通过结合先进的语言处理和视觉识别技术，提供了一种新的交互方式，使得机器能够更好地理解和响应人类的指令和问题。想象一下，你有一个超级智能的助手，它不仅能理解你说的话，还能看懂图片中... 阅读全文