加州大学圣地亚哥分校、卡耐基梅隆大学、 麻省理工学院和 IAIFI的研究团队推出GeFF（Generalizable Feature Fields）系统，它是一种用于移动操作机器人的先进技术。想象一下，你有一个机器人助手，它可以在你的指导下，比如“去拿一瓶饮料”，然后在一个充满各种物品的房间里找到并拿起一瓶饮料。这就是... 阅读全文

来自亚马逊网络服务、 加州大学圣地亚哥分校、弗莱堡大学、亚马逊供应链优化技术的研究团队推出Chronos框架，它是一个用于时间序列预测的先进工具。时间序列预测是一种分析技术，可以帮助我们根据历史数据来预测未来的数据点。想象一下，如果你是一家电力公司的分析师，你需要预测明天、下周甚至下个月的电力需求，以便合理地安排发电和... 阅读全文

加拿大AI企业Cohere宣布推出Command-R，一款面向大规模生产工作负载的可扩展生成模型。Command-R具备以下特点： ✅ 高准确性：结合RAG（检索增强生成）和工具使用，实现高度精确的输出。 ✅ 高效性能：低延迟、高吞吐量，满足企业级需求。 ✅ 长上下文支持：长达128k的上下文长度，适应复杂任务。 ✅ ... 阅读全文

被马斯克喷了很久的OpenAI，在今天开源了一个自己内部一直用于分析Transformer内部结构的工具Transformer Debugger（TDB），该工具结合了自动可解释性和稀疏自动编码器，允许开发者快速探索模型而无需编写代码。 Transformer Debugger（TDB）是由OpenAI的Superal... 阅读全文

Rendernet是一个基于SD相关模型的在线AI绘画网站，登录后会送10点免费额度，支持生图、Lora和ControlNet，可帮助您创建具有一致角色的视觉效果，同时提供对其姿势、构图和风格的详细控制。... 阅读全文

谷歌发布论文介绍一种新型的模型窃取攻击，它能够从未公开的黑盒生产语言模型（例如OpenAI的ChatGPT或Google的PaLM-2）中提取精确、非平凡的信息。具体来说，攻击者可以通过典型的API访问，恢复变换模型的嵌入投影层（直到对称性）。这项技术首次证实了这些黑盒模型具有1024和2048的隐藏维度。总的来说，这... 阅读全文

来自悉尼科技大学和浙江大学的研究人员推出大规模真实用户文本到视频提示数据集VidProM。VidProM是一个强大的资源，它不仅为视频内容创作者提供了丰富的素材，也为研究人员提供了一个宝贵的工具，用于推动文本到视频生成技术的发展。 GitHub：https://github.com/WangWenhao0716/Vid... 阅读全文

来自上海人工智能实验室、中国科学院深圳先进技术研究院、中国科学院大学、 南京大学软件新技术国家重点实验室的研究团队推出VideoMamba模型，它是为了高效理解视频内容而设计的。VideoMamba模型通过创新地将Mamba（一种状态空间模型）应用于视频领域，解决了视频理解中的两个主要挑战：一是视频中的局部冗余，二是长... 阅读全文

这篇论文探讨了自深度学习出现以来，预训练语言模型算法的进步速度。研究者们收集了2012年至2023年间200多个语言模型在Wikitext和Penn Treebank数据集上评估的数据，发现为了达到一定的性能阈值，所需的计算资源大约每8个月减半，这一速度远快于摩尔定律所描述的硬件进步速度。论文还估算了增强的扩展法则，量... 阅读全文

来自浙江大学和香港科技大学的研究团队推出新型训练框架Fuyou，它能够使得在单个GPU上高效地进行超大规模模型（如100亿参数的模型）的微调成为可能。这个框架特别适用于资源有限、无法承担多GPU服务器的研究人员和开发者。 论文中以NVIDIA RTX 4090 GPU作为例子来展示Fuyou框架的能力。RTX 4090... 阅读全文

来自阿里巴巴和北京大学推出FastV，这是一种针对大型视觉-语言模型（LVLMs）的推理加速技术。LVLMs是一类结合了图像识别和自然语言处理能力的人工智能模型，它们可以处理复杂的任务，比如根据图片内容生成描述、回答关于图像的问题等。然而，这些模型在处理图像信息时存在效率低下的问题，特别是在模型的深层结构中。 GitH... 阅读全文

AnythingLLM：一款私人ChatGPT，可与任何事物进行对话！高效、可定制、开源的企业级文档聊天机器人解决方案。这款全栈应用程序能够将任何文档、资源或内容片段转化为上下文，供任何LLM在聊天时作为参考使用。它还允许您灵活选择所使用的LLM或向量数据库，并支持多用户管理和权限设置。 网站：https://usea... 阅读全文