在微软Build 2024开发者大会上，微软公布了Phi-3-vision模型，它小巧到足以在手机上执行，同时具备出色的视觉能力，能够理解文字和图片。Phi-3-vision是4月公布的Phi-3模型家族的最新成员，拥有42亿参数，介于Phi-3-mini（3.8亿）和Phi-3-small（7亿）之间。作为Phi-3... 阅读全文

Ojoy 是一款利用 JavaScript 和 AI 技术增强图片解析度的免费工具，专门针对解析度过低的图片进行放大、修复和画质提升。这一技术在处理摄影照片或插图时效果尤为显著，尽管对于包含文字的图片可能效果不尽如人意。但不论如何，使用 Ojoy 处理过的图片，其观感都会比直接放大低分辨率图片要好得多，避免了失真和模糊... 阅读全文

Talk With Gemini 是一款开源应用程序，它能够让您一键免费部署自己的私人 Gemini 应用。它支持 Gemini 1.5 Pro、Gemini 1.5 Flash、Gemini Pro 和 Gemini Pro Vision 等多种模型。 特色功能： 简洁界面：提供直观、易用的操作体验。 多媒体支持：支... 阅读全文

iTerm2 是一款用于替代传统终端程序的应用，它也是 iTerm 的升级版。iTerm2 支持在 macOS 10.14 或更新版本的 Mac 上运行。这款软件带来了许多现代化的功能，这些功能会让你惊喜地发现它们正是你长久以来所需要的。昨天发布了新版本，将 OpenAI 集成到了应用中，可以实现「用自然语言输入命令行... 阅读全文

UploadNow 是一个提供便捷云端存储和文件共享服务的平台，它允许用户在不需要注册的情况下快速上传各种类型的文件，如文档、图片、视频、音频和 PDF 等。上传的文件将生成一个分享链接，可供他人下载，或者通过电子邮件发送给他人，这使得大文件的传输变得简单快捷。 该服务的亮点包括： 免费使用：UploadNow 的基本... 阅读全文

腾讯优图研究团队发布论文总结了小参数的多模态模型的发展历程，多模态大型语言模型结合了视觉和语言处理的能力，在诸如视觉问答、视觉理解和推理等任务中表现出色。但是，这些模型往往因为模型体积庞大、训练和推理成本高昂，限制了它们在学术界和工业界的广泛应用。因此，研究高效且轻量级的MLLMs具有巨大潜力，尤其是在边缘计算场景中。... 阅读全文

日本山梨大学的研究人员推出新型推荐系统RDRec（Rationale Distillation for LLM-based Recommendation），这个推荐系统的核心思想是利用大语言模型（LLM）来理解和生成推荐理由，从而提高推荐的相关性和准确性。总的来说，RDRec是一个先进的推荐系统，它通过深入理解用户的选... 阅读全文

来自澳大利亚悉尼大学电气工程学院、香港中文大学电子工程学系、香港中文大学深圳研究院、山东大学齐鲁医院的研究人员推出新型低光照增强技术LighTDiff，它专门用于改善手术内窥镜图像的质量。在进行微创手术时，内窥镜提供的图像质量对于医生来说是至关重要的，但在低光照条件下，图像往往难以提供足够的细节，影响手术的精确性和安全... 阅读全文

GitHub上的一个项目收集列表，以OpenAI的Sora为线索，对文本到视频领域的现有研究进行了全面的探索，并总结了该领域的24个数据集和9个评估指标。还发布论文梳理了文生视频的发展历程，结合Sora的优势和相关领域的特点，探讨了该研究领域及Sora本身存在的问题，并为未来的研究方向提供了建议。如果我们的工作能够给予... 阅读全文

在软件开发的世界里，记录和回顾项目上下文信息是至关重要的。但你是否曾在使用通用笔记软件记录代码时感到不便？比如难以表达代码运行流程，或者代码与笔记之间的割裂让你无法快速回顾？现在，有了解决方案——MindCode，一款专为程序员设计的代码笔记软件。MindCode 是一款与 IDE 无缝集成的多功能代码笔记软件，它通过... 阅读全文

IBM Research发布论文，探讨如何使用大语言模型（LLMs）来自动生成规划领域的模型。在人工智能规划领域，创建领域模型通常需要人工手动完成，这限制了规划技术的普及和应用。为了使规划过程更加自动化和易于访问，研究者们希望能够自动从简单的文本描述中生成这些领域模型。 例如，你有一个物流公司，需要规划无人机的送货路线... 阅读全文

上海科技大学与上海市智能视觉与成像工程技术研究中心的研究人员推出Layer-Condensed KV Cache，如何高效地部署和运行大型语言模型（LLMs），以便在真实世界的应用中实现高吞吐量和低延迟。大型语言模型因其庞大的参数数量和深度的网络结构，在自然语言处理（NLP）任务中表现出色，但它们在部署时面临着巨大的内... 阅读全文