斯坦福大学推出了一个名为Tutor CoPilot的系统，它是一个人工智能辅助工具，旨在通过提供专家级的指导来帮助教育工作者，特别是那些经验不足的教师或家教，以提高他们的教学质量。Tutor CoPilot通过分析教学互动的实时数据，给出建议，帮助教师更好地指导学生。 项目主页：https://osf.io/8d6ha... 阅读全文

清华大学和XM资本的研究人员推出新框架MIGA，它是为了提高股票市场预测的准确性而设计的。简单来说，MIGA通过组合多个专家模型（Experts）来预测股票价格的未来走势，并且能够根据不同类型的股票动态选择最合适的专家模型进行预测。例如，你是一名投资者，正在考虑投资某个大型科技公司的股票。你可以使用MIGA来预测这支股... 阅读全文

MAUM.AI和延世大学的研究人员推出了一个名为CANVAS的系统，它是一个让机器人能够理解人类导航指令并据此行动的框架。想象一下，如果你告诉机器人“走到大厅另一边的桌子那里”，CANVAS能够让机器人理解这样抽象的指令，并在环境中穿行以到达目的地。它通过模仿人类的行为来学习如何根据视觉和语言指令进行导航。 项目主页：... 阅读全文

清华大学交叉信息科学研究院、加州大学圣地亚哥分校、上海交通大学、麻省理工学院 CSAIL的研究人员推出了一个名为GenSim2的框架，它是一个用于机器人模拟的数据生成系统。GenSim2利用了多模态和推理能力的大语言模型（LLMs），来自动创建复杂且逼真的模拟任务和场景，特别是那些涉及长时序和复杂物体操作的任务。这些任... 阅读全文

以色列理工学院和谷歌的研究人员推出一个名为NL-EYE的基准测试，它是为了评估视觉语言模型（VLMs）在图像上进行推理的能力而设计的。例如，一个基于VLM的机器人检测到地板湿了，它是否会警告我们小心滑倒？这就是NL-EYE想要测试的——VLMs是否能够理解图像内容，并据此做出合理的推断。 项目主页：https://ve... 阅读全文

Shotzio，一个无需下载安装的在线图片编辑器，为你的图片增添魅力。只需拖拽上传，即可轻松应用多种美化效果。 核心功能： 渐层色背景：为你的图片增添渐变背景，让视觉效果更丰富。 图片阴影：增加图片的立体感，使其在页面上更加突出。 圆角设计：让图片边缘更加柔和，提升整体美感。 一键导出： 支持导出为WebP、JPG、P... 阅读全文

新加坡国立大学和亚马逊的研究人员推出新型多模态大语言模型VideoLISA，它专为视频领域内基于语言指令的推理分割任务而设计。VideoLISA结合了大型语言模型的推理能力和对世界知识的掌握，并借助Segment Anything Model（SAM）生成基于语言指令的视频内的时间一致性分割掩码。例如，你是一名视频编辑... 阅读全文

穆罕默德·本·扎耶德人工智能大学和电子科技大学的研究人员推出TPI-LLM，这是一个为了在资源受限的边缘设备上高效运行大语言模型（LLMs）而设计的推理系统。随着技术的发展，人们越来越关注将这些强大的模型从云端转移到边缘设备上，以便更好地保护用户数据的隐私，同时减少延迟。 例如，你有一个智能音箱，需要处理用户的语音命令... 阅读全文

圣母大学、腾讯人工智能西雅图实验室的研究人员推出新型多模态大语言模型LEOPARD，它专门为处理包含丰富文本的多图像任务而设计。这类任务在现实世界中非常普遍，比如幻灯片、扫描文档和网页快照等。例如，你是一名学生，需要准备一场关于经济报告的演讲。你手上有一系列包含图表和数据的幻灯片。使用LEOPARD，你可以将这些幻灯片... 阅读全文

清华大学和日本国立信息研究所的研究人员推出仿真工具SonicSim，以及一个基于此工具生成的大规模合成数据集SonicSet。SonicSim专门用于模拟移动声源场景下的语音处理任务，如语音分离和增强。例如，你正在开发一个智能会议系统，需要从会议录音中分离出每个发言者的语音。使用SonicSim，你可以创建一个模拟会议... 阅读全文

英伟达推出一种名为PHI-S（PHI Standardization）的技术，它是一种用于无标签多教师知识蒸馏的方法。知识蒸馏是一种技术，它允许一个“学生”模型去学习并模仿一个或多个“教师”模型的行为，而不需要直接访问训练数据。PHI-S特别关注于如何平衡和标准化来自不同教师模型的特征激活分布，以便学生模型可以更准确地... 阅读全文

孟加拉国工程技术大学、北德克萨斯大学、加拿大约克大学、Salesforce Research、卡塔尔计算研究所 (QCRI)、Fatima Al-Fihri 博士前奖学金和Cohere For AI Community的研究人员推出新型框架OPEN-RAG，它旨在增强大语言模型（LLMs）的推理能力，特别是当这些模型是... 阅读全文