-
世界模型提供了一种以安全且样本高效的方式训练强化学习智能体的方法。近期，世界模型主要对离散潜在变量序列进行操作来模拟环境动态。然而，这种压缩为紧凑离散表征的方法可能会忽略对强化学习很重要的视觉细节。另一方面，扩散模型已成为图像生成的主要方法，对离散潜在模型提出了挑战。这种范式转变的推动，来自日内瓦大学、爱丁堡大学、微软研究院的研究者联合提出一种在扩散世界模型中训练的强化学习智能体——DIAMOND（DIffusionAsaModelOfeNvironmentDreams）。论文地址：https://arx
-
人工智能（AI）的安全问题，正以前所未有的关注度在全球范围内被讨论。在OpenAI创始人、首席科学家IlyaSutskever与OpenAI超级对齐团队共同领导人JanLeike相继离开OpenAI之前，Leike甚至在X发布了一系列帖子，称OpenAI及其领导层忽视了安全而偏爱光鲜亮丽的产品。这在业界引起了广泛关注，在一定程度上凸显了当前AI安全问题的严峻性。在5月21日，《Science》杂志上刊登的一篇文章呼吁世界各国领导人针对人工智能（AI）风险采取更有力的行动。该文章指出，权威科学家和学者，包括
-
原标题：PVTransformer:Point-to-VoxelTransformerforScalable3DObjectDetection论文链接：https://arxiv.org/pdf/2405.02811作者单位：WaymoResearch论文思路：本文介绍了一种基于Transformer的点到体素结构用于3D检测的方法。文章提出了PVTransformer，它使用注意力机制模块替换PointNet的池化操作，从而实现更好的点到体素聚合函数。本文的设计尊重3D点的置换不变性，同时比基于池化的P
-
编辑|枯叶蝶近期，AlphaFold3在《Nature》杂志发布，但是它没有开源，因此引来了学界的一些争议。《Nature》官方对此做出了回应，以下为回应内容。自2024年5月起，《Nature》杂志上发表了一篇关于AlphaFold3的论文，介绍了最新一代自发布公开.AlphaFold算法的蛋白质结构预测算法。这激起了人们的极大兴趣。与其前身AlphaFold2不同，AlphaFold3不仅可以预测蛋白质复合物的结构，还可以预测蛋白质何时与其他类型的分子（包括DNA和RNA）相互作用。人工智能工具在基础
-
2019年5月18日，iTechClub华北区第七届互联网技术精英高峰论坛举行，百度工程效能部总监带来了“迈向人机协同的AI原生研发新范式”主题演讲。他重磅发布了百度智能代码助手Comate最新成果——Comate代码知识增强2.0，这是国内首个支持实时检索的智能代码助手，内置超过10000个Github热门代码库，这为全球开发者带来了前所未有的编程体验。作为本次大会的亮点之一，Comate代码知识增强2.0受到与会者极大关注。智能代码助手Comate是基于百度文心大模型打造的一款代码智能补全和推荐工具。
-
编辑|枯叶蝶最近，天津大学激光与光电子研究所吴亮副教授、姚建铨院士团队联合自然语言处理实验室熊德意教授团队报道了一种使用多频率补充输入的深度学习模型来增强光谱预测效果的方案。这种方案通过使用多频率的输入数据，可以提高光谱预测的准确性。此外，该方案还能够减少在光谱预测过程中的噪声干扰，从而提高预测效果。该方案可以提高现有光学数据集的利用率，在不额外增加训练成本的基础上，增强了与超表面结构对应的光谱响应的预测效果。相关研究成果以「Enhancedspectrumpredictionusingdeeplearn
-
2023年5月，讯飞星火正式发布，迅速成为千万用户获取知识、学习知识的"超级助手"，成为解放生产力、释放想象力的"超级助力"。2024年5月，讯飞星火API能力正式免费开放，携手生态开发者加快大模型赋能刚需场景。讯飞星火LiteAPI永久免费开放！讯飞星火Pro/MaxAPI低至0.21元/万tokens！在讯飞星火，1token相当于1.5个中文汉字，因此2.1元就足够调用“讯飞星火3.5Max”生成一部余华《活着》的内容量。焕新的价格体系将帮助开发者降低调用成本，驱动产品创新验
-
编辑|X几十年来，核聚变释放能量的「精妙」过程一直吸引着科学家们的研究兴趣。现在，在普林斯顿等离子体物理实验室（PPPL）中，科学家正借助人工智能，来解决人类面临的紧迫挑战：通过聚变等离子体产生清洁、可靠的能源。与传统的计算机代码不同，机器学习不仅仅是指令列表，它可以分析数据、推断特征之间的关系，并从新知识中学习和适应。PPPL+研究人员相信，这种学习和适应能力可以通过多种方式改善他们对聚变反应的控制。这包括完善超热等离子体周围容器的设计、优化加热方法以及在越来越长的时间内保持反应的稳定控制。近日，PPP
-
中固AI与西方的最大区别是应用。中国有数百个基础模型，但人们越来越多地在讨论什么是AI时代的超级应用。应用正在驱动中的AI的快速发展。应用领域的进步可以推动基础模型的创新，也有助于加速从互联网时代到人工智能时代的转变。“欧洲AI春晚”主论坛现场，李彦宏最新亮相，作为大会唯一受邀中国企业家，再一次为中国AI“代言”。这场正在法国巴黎举办的大会全称“欧洲科技创新展览会”（VivaTechnology），是欧洲规模最大的科技盛会之一。李彦宏之外，今年参与的演讲嘉宾包括马斯克、图灵奖得主YoshuaBengio和
-
对基础模型进行scaling是指使用更多数据、计算和参数进行预训练，简单来说就是「规模扩展」。虽然直接扩展模型规模看起来简单粗暴，但也确实为机器学习社区带来了不少表现突出的模型。之前不少研究都认可扩大神经经济模型规模的做法，所谓量变引起质变，这种观点也被称为神经扩展律（neuralscalinglaws）。然而，随着模型规模的增加，带来的是计算资源的密集消耗。这意味着更大规模的模型需要更多的计算资源，包括处理器和内存。这对于许多实际应用来说是不可行的，尤其是在资源有限的设备上。因此，研究人员开始关注如何更
-
对基础模型进行scaling是指使用更多数据、计算和参数进行预训练，简单来说就是「规模扩展」。虽然直接扩展模型规模看起来简单粗暴，但也确实为机器学习社区带来了不少表现突出的模型。之前不少研究都认可扩大神经经济模型规模的做法，所谓量变引起质变，这种观点也被称为神经扩展律（neuralscalinglaws）。然而，随着模型规模的增加，带来的是计算资源的密集消耗。这意味着更大规模的模型需要更多的计算资源，包括处理器和内存。这对于许多实际应用来说是不可行的，尤其是在资源有限的设备上。因此，研究人员开始关注如何更
-
在机器学习和数据科学领域，模型的可解释性一直是研究者和实践者关注的焦点。随着深度学习和集成方法等复杂模型的广泛应用，理解模型的决策过程变得尤为重要。可解释人工智能（ExplainableAI|XAI）通过提高模型的透明度，帮助建立对机器学习模型的信任和信心。提高模型的透明度可以通过多种复杂模型的广泛应用等方法来实现，以及用于解释模型的决策过程。这些方法包括特征重要性分析、模型预测区间估计、局部可解释性算法等。特征重要性分析可以通过评估模型对输入特征的影响程度来解释模型的决策过程。模型预测区间估计可以提供模
-
Hellofolks，我是Luga，今天我们来聊一下人工智能(AI)生态领域相关的技术-LLM开发框架。在LLM（大规模语言模型）应用开发领域，开源框架扮演着至关重要的角色，为广大开发者提供了强大的工具支持。作为这一领域的领军者，LangChain凭借其创新设计和全面功能赢得了广泛赞誉。但与此同时，一些替代框架也应运而生，为不同场景下的需求提供了更优选择。毕竟，任何框架都难免存在特定的局限性。例如LangChain在某些情况下的速度抽象化可能会加大上手难度，调试体验有待加强，部分代码质量也值得完善。这正是
-
今年2月，谷歌上线了多模态大模型Gemini1.5，通过工程和基础设施优化、MoE架构等策略大幅提升了性能和速度。拥有更长的上下文，更强推理能力，可以更好地处理跨模态内容。本周五，GoogleDeepMind正式发布了Gemini1.5的技术报告，内容覆盖Flash版等最近升级，该文档长达153页。技术报告链接：https://storage.googleapis.com/deepmind-media/gemini/gemini_v1_5_report.pdf在本报告中，谷歌介绍了Gemini1.5系列模
-
自IlyaSutskever官宣离职OpenAI后，他的下一步动作成了大家关注焦点。甚至有人密切关注着他的一举一动。这不，Ilya前脚刚刚点赞❤️了一篇新论文————网友们后脚就抢着都看上了：论文来自MIT，作者提出了一个假说，用一句话总结是这样婶儿的：神经网络在不同的数据和模态上以不同目标进行训练，正趋向于在其表示空间中形成一个共享的现实世界统计模型。他们将这种推测起名为柏拉图表示假说，参考了柏拉图的洞穴寓言以及其关于理想现实本质的观念。Ilya甄选还是有保障的，有网友看过后将其称为是今年看到的最好的论
