上海交通大学X-LANCE实验室、上海人工智能实验室和香港中文大学（深圳）的研究人员推出新型文本到音频生成框架PicoAudio，它专注于提供精确的时间戳和频率可控性。简单来说，PicoAudio能够根据文本描述生成音频，并且能够精确控制音频中特定事件的发生时间和频率。 项目主页：https://picoaudio.g... 阅读全文

Yandex和高等经济大学的研究人员推出推出关于表格型机器学习（Tabular Machine Learning）的一个新的基准测试集合TabReD。表格型机器学习是一种处理表格数据的人工智能技术，这些数据通常包含行和列，类似于电子表格中的组织方式。想象一下，你有一个包含许多客户信息的表格，你想知道哪些客户最有可能购买... 阅读全文

在数字化的世界里，捕捉网络上的精彩瞬间变得日益重要。MagickImg 推出的「免费网站截图工具」正是为此而生，它让获取网页截图变得前所未有的简单。 一键截图，轻松获取 只需输入网址，MagickImg 便能迅速为您呈现该网页的截图，省去了手动截取的繁琐步骤。无论是电脑还是手机版的页面，都能轻松应对，提供了桌面版和手机... 阅读全文

北京大学和康奈尔大学的研究人员推出ProgressGym技术解决方案，它是一个实验框架，旨在通过学习历史上的道德进步机制，帮助AI系统在未来的现实世界道德决策中取得进步。这篇论文的主题是关于如何确保先进的人工智能系统，尤其是大型语言模型（LLMs），与人类社会的道德进步保持一致。这些AI系统对人类用户的价值观有着越来越... 阅读全文

台湾大学的研究人员推出新框架DogeRM（Domain knowledge merged Reward Model），它通过模型融合的方式，将特定领域的知识整合到通用的奖励模型中。这项技术是针对强化学习中的人类反馈（RLHF）环节设计的，目的是让大语言模型（LLMs）的行为更符合人类的期望。论文还提到，尽管DogeRM... 阅读全文

上海人工智能实验室、同济大学、南洋理工大学、北京大学和上海交通大学推出新型框架“Auto Cherry-Picker”（简称ACP），它能够自动从高质量的生成数据中学习，这些数据是由语言驱动生成的。例如，我们只需要给ACP一个简单的物品列表，比如“苹果、椅子、桌子”，它就能利用大语言模型生成详细的描述，并设计出合理的布... 阅读全文

微软推出T-MAC，在边缘设备上高效部署大语言模型（LLMs）。例如，我们想让智能手机、平板电脑或者家里的智能音箱能够更好地理解我们说的话，并且给出智能的回答，就需要在这些设备上运行一些非常复杂的算法，这些算法就是大型语言模型。但是，这些模型因为非常复杂，所以它们需要很多内存和计算能力，这对于边缘设备来说是个挑战。 论... 阅读全文

卡内基梅隆大学、上海交通大学和芝加哥丰田技术学院的研究人员推出新型自监督学习（Self-supervised Learning, SSL）模型XEUS（发音类似Zeus，意为“跨语言通用语音编码器”），旨在为数千种语言提供鲁棒的语音表示学习。XEUS模型在超过100万小时的数据上进行了预训练，涵盖了4057种语言，这使... 阅读全文

加州大学洛杉矶分校和加州理工学院的研究人员推出新型基准测试工具MIRAI，它专门设计用来评估大语言模型（LLMs）在国际事件预测方面的能力。例如，我们有一个智能系统，它可以通过分析历史数据和新闻文章来预测未来的国际事件，比如国家间的冲突、合作或外交关系的转变。这种预测对于政府决策者来说非常重要，因为它可以帮助他们做出更... 阅读全文

北京大学、BIGAI和加州大学洛杉矶分校的研究人员推出新型人工智能模型OmniJARVIS，它是为了在开放世界环境中，比如像《我的世界》这样的沙盒游戏中，让人工智能体按照指令行动而设计的。想象一下，你在游戏中拥有一个智能助手，它可以听懂你的话，理解你的想法，并在游戏中帮你完成各种任务，比如挖矿、建造或探索。 项目主页：... 阅读全文

微软推出全新文本到语音转换系统E2 TTS（Embarrassingly Easy Text-to-Speech），这是一种非自回归（non-autoregressive）的零样本（zero-shot）文本到语音合成技术，意味着它能够在没有特定训练数据的情况下，模仿任何人的声音来生成自然听起来的语音。E2 TTS的提出... 阅读全文

斯坦福大学的研究人员推出新型基准测试工具µ-Bench，它专门设计用来评估视觉-语言模型（Vision-Language Models, VLMs）在显微镜图像理解方面的表现。这类模型能够“看懂”显微镜下的图像，并且用语言描述它们所“看到”的内容，这对于生物学和生物医学研究非常重要。 项目主页：https://ale9... 阅读全文