第 19 頁-探索人工智慧技術的未來

目前位置：首頁 > 科技文章 > 科技週邊 > 人工智慧

方向：: 全部網路3.0 後端開發 web前端資料庫運維開發工具 php框架每日程式設計微信小程式常見問題其他科技 CMS教程 Java 系統教程電腦教學硬體教學手機教學軟體教學手遊教學

分類：: 人工智慧 IT業界

最熱

最新

2024智源大會議程公開丨人工智慧人才發展交流會

2024年6月14日-15日，第6屆北京智源大會將以線下與線上結合的形式召開，線下會場設在中關村國家自主創新示範區會議中心。 2024智源大會再次以全球視野，匯聚年度傑出工作研究者，交流新思想，探討新思路，引領新前沿。目前已正式開放報名管道。人工智慧人才發展交流會丨6月14日下午2024年北京智源大會將舉辦人工智慧人才發展交流閉門會，誠摯邀請您共同探討人工智慧人才發展的關鍵議題。討論壇將圍繞著智慧領域、自然語言領域、機器視覺領域、多模態領域、強化學習領域、AIforScience等方向進行討論，為您提供

人工智慧 1042 2024-06-13 10:00:59
港大字節提出多模態大模型新範式，模擬人類先感知後認知，精確定位圖中物體

目前，多模態大模型（MLLM）在多項視覺任務上展現了強大的認知理解能力。然而大部分多模態大模型侷限於單向的影像理解，難以將理解的內容映射回影像上。例如，模型能輕易說出圖中有哪些物體，但無法將物體在圖中精確標示出來。定位能力的缺失直接限制了多模態大模型在影像編輯，自動駕駛，機器人控制等下游領域的應用。針對這個問題，港大和位元組跳動商業化團隊的研究人員提出了一種新範式Groma——透過區域性影像編碼來提升多模態大模型的感知定位能力。在融入定位後，Groma可以將文字內容和圖片區域直接關聯起來，從而顯

人工智慧 575 2024-06-12 22:18:00
清華大學與智譜AI重磅開源 GLM-4：掀起自然語言處理新革命

自2023年3月14日開始，ChatGLM-6B以來，GLM系列模型受到了廣泛的關注與認可。特別是在ChatGLM3-6B開源之後，開發者對智譜AI推出的第四代模型充滿了期待。而這項期待，隨著GLM-4-9B的發布，終於得到了充分的滿足。 GLM-4-9B的誕生為了賦予小模型（10B及以下）更加強大的能力，GLM技術團隊經過近半年的探索，推出了這款全新的第四代GLM系列開源模型：GLM-4-9B。這一模型在確保精度的同時，大幅度壓縮了模型大小，具有更快的推理速度和更高的效率。 GLM技術團隊的探索沒

人工智慧 650 2024-06-12 20:38:02
7B？ 13B？ 175B？解讀大模型的參數

大模型也是有大有小的，它們的大小是靠參數數量來測量。 GPT-3就有175億個參數，而Grok-1更是不得了，有314億個參數。當然，也有像Llama這樣身材苗條一點的，參數數量只有70億到700億之間。這裡說的70B可能不是指訓練資料的數量，而是指模型中那些密密麻麻的參數。這些參數就像是一個小小的“腦細胞”，越多就能讓模型更聰明，更能理解數據中那些錯綜複雜的關係。有了這些“腦細胞”，模型在處理任務時可能會表現得更好。然而，很多時候這些參數，尤其是在大規模的模型中，會帶來一些問題。這些「腦細胞」在

人工智慧 631 2024-06-12 20:04:15
YoloCS：有效降低特徵圖空間複雜度

論文地址：YOLOCS:ObjectDetectionbasedonDenseChannelCompressionforFeatureSpatialSolidification(arxiv.org)01總述在今天分享中，研究者檢查了在特徵純化和梯度反向傳播過程中通道特徵和卷積核之間的關聯，重點是網絡內的前向和反向傳播。因此，研究者提出了一種稱為密集通道壓縮的特徵空間固化方法。根據該方法的核心概念，引入了兩個用於骨幹網路和頭部網路的創新模組：用於特徵空間固化的密集通道壓縮（DCFS）和非對稱多級壓

人工智慧 206 2024-06-12 17:49:26
Meta首發「變色龍」挑戰GPT-4o，34B參數引領多模態革命！ 10兆token訓練刷新SOTA

GPT-4o的橫空出世，再次創立了一個多模態模型發展的新典範！為什麼這麼說？ OpenAI稱之為「首個『原生』多模態」模型，意味著GPT-4o與以往所有的模型，都不盡相同。傳統的多模態基礎模型，通常為每種模態採用特定的「編碼器」或「解碼器」，將不同的模態分離開。然而，這種方法限制了模型，有效融合跨模態資訊的能力。 GPT-4o是一種「首個端對端」訓練的模型，能夠跨越文字、視覺和音訊的模式，所有的輸入和輸出，都由單一神經網路處理。而現在，業界首個敢於挑戰GPT-4o的模型現身了！最近，來自Meta團

人工智慧 651 2024-06-12 13:18:58
3倍生成速度也降記憶體成本，超越Medusa2的高效率解碼框架終於來了

高效率解碼n-token序列，CLLMs+Jacobi解碼框架。傳統上，大型語言模型（LLMs）被認為是順序解碼器，逐一解碼每個token。來自上海交通大學、加州大學的研究團隊展示了預先訓練的LLMs可以輕鬆地被教導成為高效的平行解碼器，並介紹了一種新的平行解碼器族，稱為一致性大語言模型（CLLMs），能夠透過在每個推斷步驟中有效地解碼一個n-token序列來降低推斷延遲。在這篇論文中，研究顯示：「模仿人類在頭腦中形成完整句子後逐字表達的認知過程，可以透過簡單地微調預訓練的LLMs來有效地學習

人工智慧 772 2024-06-12 11:55:28
Ilya離職後第一個動作：按讚了這篇論文，網友搶著傳看

自從IlyaSutskever官宣離職OpenAI後，他的下一步動作成了大家關注焦點。甚至有人密切注意他的一舉一動。不，Ilya前腳剛剛點讚❤️了一篇新論文————網友們後腳就搶著都看上了：論文來自MIT，作者提出了一個假說，用一句話總結是這樣嬸兒的：神經網路在不同的資料和模態上以不同目標進行訓練，正趨向於在其表示空間中形成一個共享的現實世界統計模型。他們將這種推測起名為柏拉圖表示假說，並參考了柏拉圖的洞穴寓言以及其關於理想現實本質的觀念。 Ilya甄選還是有保障的，有網友看過後稱之為是今年看到

人工智慧 459 2024-06-12 11:22:14
知識圖譜檢索增強的GraphRAG(基於Neo4j程式碼實作）

圖檢索增強生成（GraphRAG）正逐漸流行起來，成為傳統向量搜尋方法的強大補充。這種方法利用圖資料庫的結構化特性，將資料以節點和關係的形式組織起來，從而增強檢索資訊的深度和上下文關聯性。圖在表示和儲存多樣化且相互關聯的資訊方面具有天然優勢，能夠輕鬆捕捉不同資料類型間的複雜關係和屬性。而向量資料庫則處理這類結構化資訊時則顯得力不從心，它們更專注於處理高維度向量表示的非結構化資料。在RAG應用中，結合結構化的圖資料和非結構化的文字向量搜索，可以讓我們同時享受兩者的優勢，這也是本文將要探討的內容。構

人工智慧 733 2024-06-12 10:32:28
內建10000+Github 熱門程式碼庫，百度正式發表Comate程式碼知識增強2.0

2019年5月18日，iTechClub華北區第七屆網路科技菁英高峰論壇舉行，百度工程效能部總監帶來了「邁向人機協同的AI原生研發新典範」主題演講。他重磅發布了百度智能代碼助手Comate最新成果——Comate代碼知識增強2.0，這是國內首個支援即時檢索的智能代碼助手，內置超過10000個Github熱門代碼庫，這為全球開發者帶來了前所未有的程式設計體驗。作為本次大會的亮點之一，Comate代碼知識增強2.0受到與會者極大關注。智慧代碼助理Comate是基於百度文心大模型打造的一款程式碼智慧補全和

人工智慧 848 2024-06-11 22:45:15
每瓦性能提升2.6倍、機架密度升3倍，Intel 3開山之作不簡單

在過去的十年裡，越來越多的企業將業務遷移至雲端，雲端運算成為推動資料中心建置的主要驅動力。隨著人工智慧的不斷發展，尤其是大語言模型等AI技術的爆發和廣泛應用，市場對算力的需求也不斷增加，進一步推動了資料中心的持續變革。如今，資料中心不僅要滿足包括AI、Web和微服務等多樣化工作負載對算力的需求，還需要應對架構設計、供電、機架密度、冷卻散熱、降低TCO以及永續發展等多種挑戰。為了滿足現代資料中心不斷增長的算力需求和多樣化的工作負載，英特爾於今天在英特爾GTC科技體驗中心舉辦發布會，發布了全新英特爾

人工智慧 730 2024-06-11 21:22:01
VSCode 前端開發新紀元：12款 AI 代碼助理推薦

在前端開發的世界裡，VSCode以其強大的功能和豐富的插件生態，成為了無數開發者的首選工具。而近年來，隨著人工智慧技術的快速發展，VSCode上的AI代碼助理也如雨後春筍般湧現，大大提升了開發者的編碼效率。 VSCode上的AI代碼助手，如雨後春筍般湧現，大大提升了開發者的編碼效率。它利用人工智慧技術，能夠聰明地分析程式碼，提供精準的程式碼補全、自動糾錯、語法檢查等功能，大大減少了開發者在編碼過程中的錯誤和繁瑣的手工工作。有今天，就為大家推薦12款VSCode前端開發AI程式碼助手，幫助你在程式設計之路

人工智慧 432 2024-06-11 19:47:09
綜述！全面概括基礎模型對於推動自動駕駛的重要作用

写在前面&笔者的个人理解最近来，随着深度学习技术的发展和突破，大规模的基础模型（FoundationModels）在自然语言处理和计算机视觉领域取得了显著性的成果。基础模型在自动驾驶当中的应用也有很大的发展前景，可以提高对于场景的理解和推理。通过对丰富的语言和视觉数据进行预训练，基础模型可以理解和解释自动驾驶场景中的各类元素并进行推理，为驾驶决策和规划提供语言和动作命令。基础模型可以根据对驾驶场景的理解来实现数据增强，用于提供在常规驾驶和数据收集期间不太可能遇到的长尾分布中那些罕见的可行

人工智慧 758 2024-06-11 17:29:58
微調真的能讓LLM學到新東西嗎:引入新知識可能讓模型產生更多的幻覺

大型語言模型（LLM）是在龐大的文字資料庫上訓練的，在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中，然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時，模型實際上停止學習。對模型進行對齊或進行指令調優，讓模型學習如何充分利用這些知識，以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的，儘管模型可以透過RAG存取外部內容，但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的，模型會遇到額外的實際知識並將其整合

人工智慧 681 2024-06-11 15:57:20
揭秘100年全球海洋脫氧，上交大透過人工智慧重建「窒息的海洋」，ICML已收錄

作者|卢彬，韩璐羽海洋溶解氧是维持海洋生态系统功能的关键因素。随着全球变暖和人类活动的影响，近年来海洋呈现脱氧趋势，日渐窒息的海洋对渔业发展、气候调节等多方面造成严重后果。最近，上海交通大学电子信息与电气工程学院王新兵、甘小莺教授团队联合上海交通大学海洋学院张经院士、周磊教授、周韫韬副教授，共同提出了一种稀疏海洋观测数据驱动的深度学习模型OxyGenerator。首次对1920年至2023年全球百年海域溶解氧数据进行重建，重建性能显著超过了专家经验主导的CMIP6系列数值模式结果。研究成果《Ox

人工智慧 188 2024-06-11 12:04:58