aktueller Standort:Heim > Technische Artikel > Technologie-Peripheriegeräte > KI
- Richtung:
- alle web3.0 Backend-Entwicklung Web-Frontend Datenbank Betrieb und Instandhaltung Entwicklungswerkzeuge PHP-Framework tägliche Programmierung WeChat-Applet häufiges Problem andere Technik CMS-Tutorial Java System-Tutorial Computer-Tutorials Hardware-Tutorial Mobiles Tutorial Software-Tutorial Tutorial für Handyspiele
- Klassifizieren:
-
- Rezension! Fassen Sie umfassend die wichtige Rolle von Basismodellen bei der Förderung des autonomen Fahrens zusammen
- Oben geschrieben und das persönliche Verständnis des Autors: Mit der Entwicklung und den Durchbrüchen der Deep-Learning-Technologie haben kürzlich groß angelegte Grundlagenmodelle (Foundation Models) bedeutende Ergebnisse in den Bereichen natürlicher Sprachverarbeitung und Computer Vision erzielt. Große Entwicklungsperspektiven bietet auch die Anwendung von Basismodellen beim autonomen Fahren, die das Verständnis und die Argumentation von Szenarien verbessern können. Durch Vortraining mit umfangreichen Sprach- und visuellen Daten kann das Basismodell verschiedene Elemente in autonomen Fahrszenarien verstehen und interpretieren und Schlussfolgerungen ziehen, indem es Sprach- und Aktionsbefehle für die Entscheidungsfindung und Planung im Fahrbetrieb bereitstellt. Das Basismodell kann durch Datenergänzung mit einem Verständnis des Fahrszenarios ergänzt werden, um jene seltenen realisierbaren Merkmale in Long-Tail-Verteilungen bereitzustellen, die bei routinemäßigem Fahren und bei der Datenerfassung unwahrscheinlich anzutreffen sind.
- KI 923 2024-06-11 17:29:58
-
- Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft
- Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert
- KI 874 2024-06-11 15:57:20
-
- Die Shanghai Jiao Tong University enthüllt 100 Jahre globalen Sauerstoffmangel in den Ozeanen und nutzt künstliche Intelligenz, um den „erstickenden Ozean' zu rekonstruieren, so das ICML
- Autor | Lu Bin, Han Luyu Gelöster Sauerstoff im Meer ist ein Schlüsselfaktor für die Aufrechterhaltung der Funktion mariner Ökosysteme. Aufgrund der Auswirkungen der globalen Erwärmung und menschlicher Aktivitäten ist in den Ozeanen in den letzten Jahren ein Trend zur Sauerstoffentzugung zu verzeichnen. Der zunehmend erstickende Ozean hat schwerwiegende Folgen für die Entwicklung der Fischerei, die Klimaregulierung und andere Aspekte. Vor Kurzem hat das Team der Professoren Wang Die Universität schlug gemeinsam ein Deep-Learning-Modell OxyGenerator vor, das auf spärlichen Meeresbeobachtungsdaten basiert. Zum ersten Mal wurden die jahrhundertealten globalen Ozeandaten zu gelöstem Sauerstoff von 1920 bis 2023 rekonstruiert, und die Rekonstruktionsleistung übertraf die Ergebnisse der CMIP6-Reihe numerischer Modelle, die auf Expertenerfahrungen basieren, deutlich. Forschungsergebnisse „Ochse
- KI 315 2024-06-11 12:04:58
-
- Smart Building: Erkennung von Defekten an Außenwänden von Gebäuden basierend auf YOLOv7
- 01 Ausblick Zusammenfassung Aktuelle Deep-Learning-basierte Methoden stehen vor einigen Herausforderungen hinsichtlich der Erkennungsgeschwindigkeit und der Modellkomplexität. Um die Genauigkeit und Geschwindigkeit der Erkennung von Gebäudeaußenwandfehlern sicherzustellen, haben wir eine verbesserte YOLOv7-Methode namens BFD-YOLO untersucht. Zunächst wird das ursprüngliche ELAN-Modul in YOLOv7 durch das leichte MobileOne-Modul ersetzt, um die Anzahl der Parameter zu reduzieren und die Inferenzgeschwindigkeit zu erhöhen. Zweitens wird dem Modell ein Koordinatenaufmerksamkeitsmodul hinzugefügt, um die Funktionen zur Merkmalsextraktion zu verbessern. Als nächstes wird SCYLLA-IoU verwendet, um die Erkennung zu beschleunigen und den Rückruf des Modells zu erhöhen. Schließlich haben wir den offenen Datensatz erweitert und einen Datensatz zu Gebäudefassadenschäden erstellt, der drei typische Mängel umfasst. BFD-YOLO basiert auf
- KI 445 2024-06-11 12:01:31
-
- GPT-4o und SQL: Wie fähig ist ein großes Modell, seine eigene Architektur zu ändern?
- Autor |. Zusammengestellt von David Eastman |. 51CTO Technology Stack (WeChat ID: blog51cto) Obwohl kein großes Sprachmodell (LLM) ein Fahrrad gefahren hat, verstehen sie eindeutig die Rolle des Fahrverhaltens im Bereich der menschlichen Fortbewegung. Sie ähneln dem, was Softwareentwickler als eine Art semantisches Wissen aus der realen Welt, gepaart mit einem Verständnis der technischen Welt, bereitstellen. Wir haben dies in einem kürzlich erschienenen Artikel deutlich gesehen, in dem wir ein einfaches SQL-Schema für die Buchveröffentlichung erstellen konnten, indem wir es einfach in natürlicher Sprache beschrieben. Obwohl ich mit der Leistung des Llama3-Erstellungsschemas zufrieden war, wies ein Kollege aus meinen früheren Tagen bei Oracle darauf hin, dass das Buchveröffentlichungsschema ein ziemlich bekanntes Beispiel sei
- KI 1118 2024-06-11 09:56:49
-
- Die Kuaishou-Version von Sora „Ke Ling' steht zum Testen offen: Sie generiert über 120 Sekunden Videos, versteht die Physik besser und kann komplexe Bewegungen genau modellieren
- Was? Wird Zootopia durch heimische KI in die Realität umgesetzt? Zusammen mit dem Video wird ein neues groß angelegtes inländisches Videogenerationsmodell namens „Keling“ vorgestellt. Sora geht einen ähnlichen technischen Weg und kombiniert eine Reihe selbst entwickelter technologischer Innovationen, um Videos zu produzieren, die nicht nur große und vernünftige Bewegungen aufweisen, sondern auch die Eigenschaften der physischen Welt simulieren und über starke konzeptionelle Kombinationsfähigkeiten und Vorstellungskraft verfügen. Den Daten zufolge unterstützt Keling die Erstellung ultralanger Videos von bis zu 2 Minuten mit 30 Bildern pro Sekunde, mit Auflösungen von bis zu 1080p und unterstützt mehrere Seitenverhältnisse. Ein weiterer wichtiger Punkt ist, dass es sich bei Keling nicht um eine vom Labor veröffentlichte Demo oder Video-Ergebnisdemonstration handelt, sondern um eine Anwendung auf Produktebene, die von Kuaishou, einem führenden Anbieter im Bereich Kurzvideos, gestartet wurde. Darüber hinaus liegt das Hauptaugenmerk darauf, pragmatisch zu sein, keine Blankoschecks auszustellen und sofort nach der Veröffentlichung online zu gehen. Das große Modell von Ke Ling wurde bereits in Kuaiying veröffentlicht.
- KI 694 2024-06-11 09:51:48
-
- Die Insidergeschichte des Suchalgorithmus von Google wurde enthüllt und 2.500 Seiten mit Dokumenten mit echten Namen wurden durchgesickert! Such-Ranking-Lügen aufgedeckt
- Kürzlich wurden 2.500 Seiten interner Google-Dokumente durchgesickert und enthüllten, wie die Suche, „der mächtigste Schiedsrichter im Internet“, funktioniert. Der Mitbegründer und CEO von SparkToro ist eine anonyme Person. Er veröffentlichte einen Blog-Beitrag auf seiner persönlichen Website, in dem er behauptete, dass „eine anonyme Person mit mir Tausende von Seiten durchgesickerter Google Search API-Dokumentation geteilt hat, die jeder im SEO lesen sollte.“ ! „RandFishkin ist seit vielen Jahren der führende Sprecher im Bereich SEO (Suchmaschinenoptimierung), und er hat das Konzept der „Website-Autorität“ (DomainRating) vorgeschlagen. Da er auf diesem Gebiet hohes Ansehen genießt, RandFishkin
- KI 988 2024-06-11 09:14:23
-
- KI sagt extremes Wetter 5.000-mal schneller voraus! Microsoft bringt Aurora auf den Markt, um globale Stürme mit den Augen der KI vorherzusagen
- Seit Beginn der Menschheitsgeschichte waren die Menschen davon besessen, das Wetter vorherzusagen und die „Sprache des Himmels“ auf verschiedene Weise zu entschlüsseln. Langsam entdeckten wir, dass Vegetation und Wolken nicht nur mit dem Wetter zusammenhängen Bedürfnisse des Menschen für die Produktion, sondern auch wegen des Bedürfnisses des Menschen, dem starken Wind zu singen und im Mondlicht Gedichte zu rezitieren. Der Sturmsänger in „Das Lied von Eis und Feuer“ sagt durch Gesang und Gesänge das Wetter und Stürme voraus, und die Menschen träumen auch davon, die Superkraft zu besitzen, „das Wetter zu verändern“. Kürzlich haben Wetterexperten und Wettervorhersagen deutlich gemacht, dass wir der verkörperten Erfahrung und der physischen Welt immer noch nicht entkommen können, aber jetzt ändert die KI das. Feinabstimmung von Inhalten: Microsoft hat Aurora veröffentlicht, das erste groß angelegte atmosphärische Basismodell, das aus Daten lernen und Vorhersagen treffen kann und dabei eine erstaunliche Genauigkeit und Effizienz aufweist
- KI 809 2024-06-11 09:07:29
-
- Robin Li spricht über KI in Europa: Ich interessiere mich mehr für Superanwendungen als für GPT-5
- Der größte Unterschied zwischen Zhonggu AI und dem Westen ist die Anwendung. In China gibt es Hunderte von Grundmodellen, aber die Menschen diskutieren zunehmend darüber, was die Superanwendungen im KI-Zeitalter sind. Anwendungen treiben die rasante Entwicklung der KI voran. Fortschritte im Anwendungsbereich können Innovationen bei Basismodellen fördern und dazu beitragen, den Übergang vom Internetzeitalter zum Zeitalter der künstlichen Intelligenz zu beschleunigen. Beim Hauptforum der „European AI Spring Festival Gala“ hatte Robin Li seinen jüngsten Auftritt. Als einziger zur Konferenz eingeladener chinesischer Unternehmer „sprach“ er erneut für Chinas KI. Der vollständige Name dieser Konferenz, die in Paris, Frankreich, stattfindet, lautet „European Science and Technology Innovation Exhibition“ (Viva Technology), eine der größten Technologieveranstaltungen in Europa. Zu den diesjährigen Rednern zählen neben Robin Li auch Musk und Turing-Award-Gewinner Yoshua Be
- KI 552 2024-06-10 22:55:23
-
- Multifunktionale RNA-Analyse, das auf Transformer basierende RNA-Sprachmodell des Baidu-Teams wird in der Unterzeitschrift „Nature' veröffentlicht
- Herausgeber | Die vorab trainierten Radish-Kern-Sprachmodelle haben sich bei der Analyse von Nukleotidsequenzen als vielversprechend erwiesen, aber es gibt immer noch Herausforderungen bei der Verwendung eines einzigen vorab trainierten Gewichtssatzes, um multifunktionale Modelle zu erhalten, die bei verschiedenen Aufgaben gut funktionieren. Die Teams des Baidu Big Data Lab (BDL) und der Shanghai Jiao Tong University entwickelten RNAErnie, ein RNA-zentriertes Pre-Training-Modell, das auf der Transformer-Architektur basiert. Die Forscher bewerteten das Modell anhand von sieben Datensätzen und fünf Aufgaben und demonstrierten die Überlegenheit von RNAErnie sowohl beim überwachten als auch beim unbeaufsichtigten Lernen. RNAErnie übertraf die Basislinie und verbesserte die Klassifizierungsgenauigkeit um 1,8 %, die Genauigkeit der Interaktionsvorhersage um 2,2 % und den F1-Score der Strukturvorhersage um 3,3 %.
- KI 563 2024-06-10 22:21:12
-
- Transparent! So wählen Sie den richtigen Algorithmus für maschinelles Lernen aus
- Überlegungen zur Algorithmusauswahl Die Auswahl des richtigen Algorithmus für maschinelles Lernen für die Aufgabe umfasst mehrere Faktoren, von denen jeder einen erheblichen Einfluss auf die endgültige Entscheidung haben kann. Hier sind einige Aspekte, die Sie bei der Entscheidungsfindung berücksichtigen sollten: 1. Größe und Qualität des Datensatzes: Algorithmen für maschinelles Lernen unterscheiden sich in ihren Anforderungen an Eingabedaten. Einige Algorithmen funktionieren gut mit kleinen Datensätzen, während andere Algorithmen gut mit großen Datensätzen funktionieren. Darüber hinaus sind auch die Genauigkeit, Vollständigkeit und Repräsentativität der Daten 1. Eigenschaften des Datensatzes Die Eigenschaften des Datensatzes sind entscheidend für die Auswahl des Algorithmus. Faktoren wie die Größe des Datensatzes, die Art der darin enthaltenen Datenelemente und ob die Daten strukturiert oder unstrukturiert sind, sind allesamt Schlüsselfaktoren. Stellen Sie sich vor, Algorithmen für strukturierte Daten auf unstrukturierte Datenprobleme anzuwenden. Sie werden wahrscheinlich nicht weit kommen! Große Datensätze erfordern
- KI 816 2024-06-10 22:18:30
-
- Verwenden Sie NVIDIA Riva, um schnell chinesische Sprach-KI-Dienste auf Unternehmensebene bereitzustellen und diese zu optimieren und zu beschleunigen
- 1. Überblick über Riva 1. ÜberblickRiva ist ein von NVIDIA eingeführtes SDK für Echtzeit-SpeechAI-Dienste. Es ist ein hochgradig anpassbares Tool und nutzt GPU-Beschleunigung. Viele vorab trainierte Modelle werden auf NGC bereitgestellt. Diese Modelle sind sofort einsatzbereit und können direkt mit den von Riva bereitgestellten ASR- und TTS-Lösungen bereitgestellt werden. Um den Anforderungen bestimmter Bereiche gerecht zu werden oder benutzerdefinierte Funktionen zu entwickeln, können Benutzer diese Modelle auch mit NeMo neu trainieren oder verfeinern. Dadurch wird die Leistung des Modells weiter verbessert und es besser an die Benutzerbedürfnisse anpassbar. Riva+Skills ist ein hochgradig anpassbares Tool, das GPU-beschleunigte Echtzeit-Streaming-Spracherkennung nutzt
- KI 1051 2024-06-10 21:57:48
-
- Super stark! Die zehn wichtigsten Algorithmen für maschinelles Lernen, die Sie kennen müssen
- 1. Lineare Regression Die lineare Regression ist einer der einfachsten und am weitesten verbreiteten Algorithmen für maschinelles Lernen für die Vorhersagemodellierung. Dabei handelt es sich um einen überwachten Lernalgorithmus, mit dem der Wert einer abhängigen Variablen auf der Grundlage einer oder mehrerer unabhängiger Variablen vorhergesagt wird. Der Kern der Definition der linearen Regression besteht darin, ein lineares Modell an die beobachteten Daten anzupassen. Ein lineares Modell wird durch die folgende Gleichung dargestellt: Wo ist die abhängige Variable (die Variable, die wir vorhersagen möchten) ist die unabhängige Variable (die Variable, die wir zur Vorhersage verwenden) ist die Steigung der Linie ist der y-Achsenabschnitt (der Schnittpunkt der Linie und der y-Achse) Lineare Regression Der Algorithmus beinhaltet das Finden der am besten passenden Linie durch die Datenpunkte. Dies geschieht normalerweise durch Minimierung der quadrierten Differenz zwischen den beobachteten und den vorhergesagten Werten. Bewertungsmetrischer mittlerer quadratischer Fehler (MSE): der Durchschnitt der Quadrate der Messfehler. Je niedriger der Wert, desto besser. R-Quadrat: bedeutet, dass die Wurzel
- KI 938 2024-06-10 21:53:52
-
- KI im Einsatz |. Verwenden Sie Kimi, um „verrückte' Texte zu schreiben, mit über 100.000 Artikeln
- Herausgeber des Berichts über die Macht von Maschinen: Wenhua Die Welle der künstlichen Intelligenz, repräsentiert durch große Modelle und AIGC, hat still und heimlich die Art und Weise verändert, wie wir leben und arbeiten, aber die meisten Menschen wissen immer noch nicht, wie sie sie nutzen sollen. Aus diesem Grund haben wir die Kolumne „KI im Einsatz“ ins Leben gerufen, um detailliert vorzustellen, wie KI durch intuitive, interessante und prägnante Anwendungsfälle für künstliche Intelligenz eingesetzt werden kann, und um das Denken aller anzuregen. Wir heißen Leser auch willkommen, innovative, praktische Anwendungsfälle einzureichen. Heutzutage macht sich jeder bis zur Glatze Sorgen, um den Verkehr zu erobern. Erfahren Sie heute, wie Amway Traffic generiert: Verwenden Sie KI, um „verrückte“ Werbetexte für öffentliche Konten zu schreiben, und erzielen Sie mehr als 100.000 pro Artikel. Diese Art von Copywriting für öffentliche Accounts muss einer Routine folgen: 1. Ein interessanter Titel 2. Ein Copywriting, das eine schwere Krankheit zu haben scheint 3. Ein paar Bilder, die heilsam oder lustig sein könnten. Dies verwendet A
- KI 1005 2024-06-10 21:22:30
-
- Zusätzlich zu RAG gibt es fünf Möglichkeiten, die Illusion großer Modelle zu beseitigen
- Produziert von 51CTO Technology Stack (WeChat-ID: blog51cto) Es ist bekannt, dass LLM Halluzinationen hervorrufen kann – also falsche, irreführende oder bedeutungslose Informationen generieren kann. Interessanterweise betrachten einige Leute, wie etwa OpenAI-CEO Sam Altman, KI-Vorstellungskraft als Kreativität, während andere glauben, dass Vorstellungskraft dabei helfen könnte, neue wissenschaftliche Entdeckungen zu machen. In den meisten Fällen ist es jedoch entscheidend, die richtige Antwort zu geben, und Halluzinationen sind kein Merkmal, sondern ein Fehler. Wie kann man also die Illusion von LLM reduzieren? Langer Kontext? LAPPEN? Feinabstimmung? Tatsächlich sind Langkontext-LLMs nicht narrensicher, Vektorsuch-RAGs sind nicht zufriedenstellend und die Feinabstimmung bringt ihre eigenen Herausforderungen und Einschränkungen mit sich. Hier sind einige, die verwendet werden können
- KI 1328 2024-06-10 20:25:51