-
“发光的水母从海洋中慢慢升起，”在MorphStudio中继续输入想看到的景象，“在夜空中变成闪闪发光的星座”。几分钟后，MorphStudio生成一个短视频。一只水母通体透明，闪闪发光，一边旋转着一边上升，摇曳的身姿与夜空繁星相映成趣。Luminousjellyfishrisefromanenchantingsea,morphingintoglitteringstarsinthedarksky.输入“jokercinematic”，曾经席卷全球的那张脸又回来了。JoaquinPhoenixdeliver
-
Pika北大斯坦福联手，开源最新文本-图像生成/编辑框架！无需额外训练，即可让扩散模型拥有更强提示词理解能力。面对超长、超复杂提示词，准确性更高、细节把控更强，而且生成图片更加自然。效果超越最强图像生成模型Dall·E3和SDXL。比如要求图片左右冰火两重天，左边有冰山、右边有火山。SDXL完全没有符合提示词要求，Dall·E3没有生成出来火山这一细节。还能通过提示词对生成图像二次编辑。这就是文本-图像生成/编辑框架RPG（Recaption,PlanandGenerate），已经在网上引起热议。它由北大
-
文本嵌入（wordembedding）是自然语言处理（NLP）领域的基础技术，它能够将文本映射到语义空间，并转化为稠密的矢量表示。这种方法已经被广泛应用于各种NLP任务，包括信息检索（IR）、问答、文本相似度计算和推荐系统等。通过文本嵌入，我们可以更好地理解文本的含义和关系，从而提高NLP任务的效果。在信息检索（IR）领域，第一阶段的检索通常使用文本嵌入进行相似度计算。它通过在大规模语料库中召回一个小的候选文件集，然后进行细粒度的计算。基于嵌入的检索也是检索增强生成（RAG）的重要组成部分。它使得大型语言
-
1、背景在GPT等大模型出现后，语言模型这种Transformer+自回归建模的方式，也就是预测nexttoken的预训练任务，取得了非常大的成功。那么，这种自回归建模方式能不能在视觉模型上取得比较好的效果呢？今天介绍的这篇文章，就是Apple近期发表的基于Transformer+自回归预训练的方式训练视觉模型的文章，下面给大家展开介绍一下这篇工作。图片论文标题：ScalablePre-trainingofLargeAutoregressiveImageModels下载地址：https://arxiv.o
-
亿欧最近举办了“世界创新者年会”，并宣布了多个年度榜单和奖项。夸克App因其在自研大模型和教育产品方面的创新体验而成功入选了“2023中国大模型产业新锐企业TOP30榜单”和“2023中国教育科技创新TOP10”奖项。此外，夸克还推出了名为“AI讲题助手”的大模型应用，利用AI技术能力帮助大学生提高学习效率和质量。据悉，“2023中国教育科技创新TOP10”旨在肯定和激励在教育科技领域勇于创新、引领潮流的企业。亿欧认为，入选企业以科技为驱动力，为学生提供了更高效、更个性化的学习方式，为教育科技行业树立了榜
-
注意力的概念注意力的概念在神经机器翻译的seq2seq模型中广为人知。编码器传递到解码器的信息量有限，限制了模型的性能。然而，注意力的引入可以克服这个瓶颈，使模型能够更好地处理长句子和复杂语义。简单来说，模型在解码阶段会利用编码器的所有隐藏状态，并将最终隐藏状态作为初始隐藏状态馈送到解码器。这样做的好处是，模型能够在解码过程中利用更多的信息，并且能够“注意”输入序列中最相关的部分，从而在生成输出序列的不同部分时做出更准确的预测。注意力的一般框架思路虽然注意力机制在不同的体系结构和实现细节上有所不同，但它们
-
梯度下降是一种常用的优化算法，主要应用于机器学习和深度学习中，用于寻找最佳模型参数或权重。其核心目标是通过最小化成本函数来衡量模型预测输出与实际输出之间的差异。该算法通过迭代调整模型参数，利用成本函数梯度最陡下降的方向，直到达到最小值。梯度计算是通过对每个参数取成本函数的偏导数来实现的。在梯度下降中，每次迭代算法会根据学习率选择一个合适的步长，朝着成本函数最陡峭的方向迈进一步。学习率的选择非常重要，因为它影响着每次迭代的步长大小，需要谨慎调整以确保算法能够收敛到最优解。梯度下降的实际用例梯度下降是机器学习
-
1月4日消息，研究人员DavidKroodsma联合美国国家地理及彭博社慈善基金会，利用卫星测绘数据和AI技术，成功建立了全球船舶足迹地图。这一地图可以准确记录人类在海洋中的各种活动。这一成果被誉为世界上首个全球船舶足迹地图。为了帮助尚未过关的玩家们，让我们一起了解一下解谜的具体方法吧。据了解，业界目前主要使用VMS（VesselMonitoringSystem，渔船船舶监视系统）和AIS（AutomaticIdentificationSystem，船舶自动识别系统）来监测全球船舶的动向。然而，这些系统存
-
编辑|红菜苔随着单细胞技术的进步，我们能够测量许多细胞的特性。同时，多组学分析技术使我们能够同时测量单个细胞中的多个特征。为了有效处理这些庞大的数据，我们需要开发多模态数据集成的计算方法。树兰医院、中国科学院和北京师范大学的合作团队提出了inClust+，一个用于多组学分析的深度生成框架。它基于之前的inClust框架，针对转录组数据进行了改进，并添加了两个专为多模式数据处理设计的掩码模块：输入掩码模块和输出掩码模块，分别位于编码器前和解码器后。这些掩码模块的引入使得inClust+能够更好地处理多模式数
-
亚马逊云计算人工智能实验室的研究人员最近发现，网络上存在大量由机器翻译生成的内容，而这些翻译跨越多种语言的质量普遍较低。研究团队强调了在训练大型语言模型时，数据质量和来源的重要性。这一发现突显了在构建高质量语言模型时，需要更加关注数据的质量和来源的选择。研究还发现，机器生成内容在资源较少语言的翻译中很普遍，并占网络内容的很大一部分。本站注意到，研究团队开发了名为MWccMatrix的庞大资源，用于更好地理解机器翻译内容的特征。该资源包含64亿个独特句子，覆盖了90种语言，并提供了相互翻译的句子组合，即翻译
-
机器学习管道在数据科学过程中扮演着重要的角色。它们简化了工作流程，并能够自动执行繁琐且耗时的任务，特别是在构建和部署机器学习模型时。一个经过精心设计的机器学习管道可以提高模型开发的效率和可重复性，同时降低错误风险，并促进最佳实践的应用。通过将机器学习过程分解为可管理的步骤，数据科学家可以将精力集中在单个任务上，例如特征工程和模型选择。而机器学习管道则负责管理整个过程，使整个流程井井有条。此外，机器学习管道还提供了对模型构建过程中所有步骤的清晰和可审计的记录，从而更容易理解和解释结果。总之，机器学习管道在机
-
seq2seq是一种用于NLP任务的机器学习模型，它接受一系列输入项目，并生成一系列输出项目。最初由Google引入，主要用于机器翻译任务。这个模型在机器翻译领域带来了革命性的变革。在过去，翻译句子时只会考虑一个特定词，而现在的seq2seq模型会考虑到相邻的词，以便进行更准确的翻译。该模型使用递归神经网络(RNN)，其中节点之间的连接可以形成循环，从而使得某些节点的输出可以影响网络内其他节点的输入。因此，它可以以动态的方式运行，为结果提供了逻辑结构。Seq2seq模型的应用目前，人工智能的发展越来越迅猛
-
来自软银机器人的Pepper&NAO人机交互新体验2023年12月27日，软银机器人的Pepper受邀参与了为期2个月的闵行区政府会议中心机器人展示活动。Pepper凭借其独特的交互能力和强大的语言模型，与来访者展开了一场别开生面的智能对话，给大家留下了深刻印象。Pepper机器人外表可爱且不失亲和，能够与人交流，轻松产生共鸣。在会议中心，搭载了大语言模型的Pepper不仅展示了其流畅的语音识别和自然语言处理能力，还能够理解和回应各种问题，不论是简单的问候，还是前沿科技探讨，Pepper都能给出恰
-
据Space网站报道，墨西哥将在1月8日进行首次登月任务。这次任务是由墨西哥250名大学生合作开发的五个微型机器人搭载火箭登上月球。▲图源LINX，下同据悉，美国东部时间1月8日凌晨2:18（北京时间1月8日12:02），在佛罗里达州卡纳维拉尔角将举行一项任务。这项任务中，除了载人航天器外，还将携带五个名为COLEMNA的自主微型机器人，这是墨西哥国立自治大学（UNAM）特殊仪器实验室（LINX）开发的一部分。这些机器人仅有4英寸（10厘米）直径，重2盎司（60克），但却配备了轮子、传感器和计算机，使它们
-
近年来，大模型的研究正在加速推进，它逐渐在各类任务上展现出多模态的理解和时间空间上的推理能力。机器人的各类具身操作任务天然就对语言指令理解、场景感知和时空规划等能力有着很高的要求，这自然引申出一个问题：能不能充分利用大模型能力，将其迁移到机器人领域，直接规划底层动作序列呢？ByteDanceResearch利用开源的多模态语言视觉大模型OpenFlamingo开发了易用的RoboFlamingo机器人操作模型，只需单机训练。VLM可通过简单微调变成RoboticsVLM，适用于语言交互的机器人操作任务。在
