現在位置:ホームページ > 技術記事 > テクノロジー周辺機器 > AI
- 方向:
- 全て ウェブ3.0 バックエンド開発 ウェブフロントエンド データベース 運用・保守 開発ツール PHPフレームワーク 毎日のプログラミング WeChat アプレット よくある問題 他の 技術 CMS チュートリアル Java システムチュートリアル コンピューターのチュートリアル ハードウェアチュートリアル モバイルチュートリアル ソフトウェアチュートリアル モバイル ゲームのチュートリアル
- 分類する:
-
- ICML 2024 AI for Math ワークショップの論文募集とチャレンジが開始されました!
- ICML2024、形式言語および自然言語 AI の数学的推論に関する AIforMathWorkshop ワークショップ 時間: 2024 年 7 月 26/27 日 場所: オーストリア、ウィーン。会場とオンラインで同時開催。ワークショップのホームページ: https://sites.google.com/view/ai4mathworkshopicml2024/ 数学的推論は、人間の知性の中で最も挑戦的で奥深い部分です。数学的推論の発展過程で、人間は数学的問題や証明プロセスを厳密に記述することができるさまざまな形式言語を要約してきました。近年、機械学習アルゴリズムと大規模言語モデルは、一部の数学的推論において人間のパフォーマンスに徐々に近づいたり、それを超えたりしています。
- AI 650 2024-07-18 05:36:50
-
- Meta は System 2 蒸留技術を開発し、Llama 2 対話モデル タスクの精度は 100% に近い
- 研究者らは、System2の蒸留が将来の継続学習AIシステムの重要な機能になれば、System2のパフォーマンスがそれほど良くない推論タスクのパフォーマンスをさらに向上させることができると述べた。大規模言語モデル (LLM) 戦略に関しては、一般に 2 つのタイプがあり、1 つは即時型 System1 (高速応答)、もう 1 つは System2 (遅い思考) です。 System2 推論が思慮深い思考を支持するのに対し、生成中間思考ではモデル (または人間) が推論して計画を立てて、タスクを正常に完了したり、指示に応答したりできるようにします。システム 2 の推論では、特にシステム 1 (より自動的な思考) が間違っている可能性がある状況では、努力した精神活動が必要です。したがって、システム 1 は、
- AI 921 2024-07-18 05:07:20
-
- 当事者 A の実際の AGI ニーズに直接対処するために、人工知能エンパワーメント産業統合開発フォーラムが成功裡に開催されました。
- 7月6日、「2024 WAIC人工知能エンパワーメント産業統合開発フォーラム」が万博展示コンベンションセンターで盛大に開催された。このフォーラムの主なトピックは、新しい産業化を促進し、産業統合の発展を促進する人工知能に関連する問題について議論することです。これには、指導者演説、調印式、基調講演、中央および国有企業向けの人工知能シナリオ要件のリリース、およびラウンドテーブルフォーラム。中国電子情報産業発展研究院、中国移動研究院、シノペック勝利油田、国家グリッド顧客サービスセンター、中国電子余荘、中国南方電力網デジタルグリッドグループ、中国電力網デジタルグリッドグループなど、中央国有企業や人工知能分野の多くの企業が参加した。 Damo Institute、Baidu Smart Cloud、Innovation Qizhi などカンファレンスに参加したゲストは、さまざまな分野での人工知能の応用実践、大規模モデルの開発と応用、インテリジェントな運用とメンテナンスに焦点を当てました。
- AI 492 2024-07-18 03:14:57
-
- おしゃれなAIGCマーケターはどうすれば「lizi」と「face」の間でwin-winの関係を実現できるのでしょうか?
- マーケティング分野における AIGC テクノロジーの革新とセキュリティ 過去 1 年間、AI テクノロジーはあらゆる分野で変化の波を引き起こしました。 AIGC テクノロジーを最初に取り入れたのは、常に「流行」を重視してきたマーケティング界です。関連データによると、2023 年には我が国の広告主のほぼ半数がオンライン マーケティング活動に AIGC テクノロジーを適用し、これらのアプリケーションの 90% 以上がコンテンツ作成とクリエイティブ開発に焦点を当てていることが示されています。この新しいテクノロジー主導の広告およびマーケティング モデルは徐々に具体化しており、広告主にコストを削減し効率を向上させる可能性がさらに広がります。しかし、AIGCテクノロジーはマーケティング分野で大いに活用されていますが、多くの課題も抱えています。たとえば、AIGC テクノロジーはマーケティング資料を作成する際にコンテンツ リスクを引き起こす可能性があり、多額の投資を行ったマーケティング活動が誤って違法製品のウェディング ドレスとして機能する可能性があります。それで、
- AI 786 2024-07-18 01:41:21
-
- ICML 2024 | グラデーションチェックポイント設定が遅すぎますか? LowMemoryBP は、ビデオ メモリの速度を低下させたり節約したりすることなく、バック プロパゲーション ビデオ メモリの効率を大幅に向上させます。
- AIxivコラムは、当サイトが学術的・技術的な内容を掲載するコラムです。過去数年間で、このサイトの AIxiv コラムには 2,000 件を超えるレポートが寄せられ、世界中の主要な大学や企業のトップ研究室がカバーされ、学術交流と普及を効果的に促進しています。共有したい優れた作品がある場合は、お気軽に寄稿するか、報告のために当社までご連絡ください。提出電子メール: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com この記事の筆頭著者は南開大学統計データサイエンス学部修士2年生のYang Yuchen氏であり、彼の指導教員はXu Jun准教授です。南開大学統計データサイエンス学部卒業。 Xu Jun 教授のチームの研究の焦点は、コンピューター ビジョン、生成 AI、効率的な機械学習であり、最先端の研究に取り組んでいます。
- AI 679 2024-07-18 01:39:51
-
- WAIC 2024 Embodied Intelligence Collection|トップ著名人が集結、あらゆるカテゴリーの成果を展示:身体性インテリジェンス技術の革新がAIロボットの新時代を開く
- 身体化インテリジェンス: インテリジェント ロボットの新時代 身体化インテリジェンス産業は、人工知能とロボット工学という 2 つの最先端技術の徹底的な統合と開発を代表しており、ロボットが知覚、認知、ロボット工学の連携を通じて環境との自然な相互作用を実現できるようにします。アクション。具現化の台頭は、人工知能が単一の情報処理からより複雑で多次元のシーンフィールドに移行し、インテリジェントシステムと人間社会の深い統合の新時代を開くことを意味します。身体性知能の主要な課題、応用シナリオ、最先端の成果 2024 年世界人工知能会議および人工知能のグローバル ガバナンスに関するハイレベル会議 (以下、「WAIC2024」という) では、身体性知能の開発動向に深く焦点が当てられます。 、主要なフォーラムと豊富なインテリジェント ロボットを備えた革新的な成果の展示は、身体化インテリジェンス産業の巨大な発展の可能性を垣間見ることができ、インテリジェント ロボットの時代を共同で描くことができます。
- AI 588 2024-07-18 00:17:51
-
- これらの機能により、ChatGPT デスクトップ アプリは Web サイトよりも優れています
- macOS 用 ChatGPT アプリのおかげで、Mac 上のどのウィンドウからでも ChatGPT を起動し、音声モードを使用できるようになりました。 OpenAI はまた、スクリーンショットやアクセス権など、Web サイトでは利用できないいくつかのメディア添付オプションをアプリに追加しました。
- AI 1166 2024-07-17 22:50:21
-
- オープンソース AI ソフトウェア エンジニアのリストのトップに立つ UIUC のエージェントレス ソリューションは、SWE ベンチの実際のプログラミングの問題を簡単に解決します
- AIxivコラムは、当サイトが学術的・技術的な内容を掲載するコラムです。過去数年間で、このサイトの AIxiv コラムには 2,000 件を超えるレポートが寄せられ、世界中の主要な大学や企業のトップ研究室がカバーされ、学術交流と普及を効果的に促進しています。共有したい優れた作品がある場合は、お気軽に寄稿するか、報告のために当社までご連絡ください。提出電子メール: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com この論文の著者は全員、イリノイ大学アーバナ シャンペーン校 (UIUC) の Zhang Lingming 教師のチームのメンバーです。博士課程4年、研究者
- AI 1000 2024-07-17 22:02:05
-
- SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合
- 編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究
- AI 1081 2024-07-17 18:37:10
-
- マルチモーダル リモート センシング大型モデルの探索と実践、Ant Group のリモート センシング大型モデル責任者、Wang Jian が詳細な解釈をもたらします
- 7月5日、世界人工知能会議組織委員会事務局と上海市徐匯区人民政府の指導の下、2024年WAICユンファン賞と人工知能ユースが上海人工知能研究所、当サイト、グローバル大学人工知能学術同盟フォーラムは無事に開催されました。このフォーラムには、スタンフォード大学、オックスフォード大学、UCLA、カリフォルニア大学、チューリッヒ工科大学、香港大学、清華大学、北京大学など、国内外の大学、研究機関、企業からの30人以上のユンファン卒業生と新規卒業生が集まりました。 、上海交通大学などの受賞者はオフラインで会議に出席し、国際的な若手AI科学者の知恵を集め、AI能力の限界を積極的に探求し、中国のAI開発青写真に新たなエネルギーを貢献した。アントグループのリモートセンシング大型モデル責任者、王建作氏が2024年のWAIC雲帆を務める
- AI 676 2024-07-17 18:03:14
-
- Quark、「スーパー検索ボックス」をバージョンアップし、AI検索を中心としたワンストップAIサービスを開始
- 大規模モデルの時代に、生成 AI は検索製品にどのような革命をもたらすのでしょうか?アリババ・インテリジェント・インフォメーション・ビジネス・グループの子会社であるクオークは「質問に答えるために手を挙げた」。クォークは7月10日、「スーパー検索ボックス」をバージョンアップし、AI検索を中心としたワンストップAIサービスを開始し、検索・作成・要約から編集・保管・共有までの統合的な情報サービス価値をユーザーに提供した。新しい AI 検索ボックスにより、過去の回答、作成、要約が可能になり、キーワードに基づいて Web サイトのリストを並べ替えることができます。繰り返しの選択、クリック、読み取り、および多数の無関係な結果は、ユーザーが効率的に情報を取得する際の障害となっており、複雑な質問に対して満足のいく答えを得るのは困難です。 AI テクノロジーの飛躍により、検索における新たな価値が生まれました。ユーザーがQuarkバージョン7.0の検索を開く
- AI 537 2024-07-17 17:43:33
-
- すべての生徒に必須の AI ツールとヒント
- 学生は AI をいくつかの賢い方法で使用して、学習を改善し、より効率的に作業することができます。現時点では、メモ取りや個別指導など、学生が使用できる AI ツールが山ほどあります。しかし、学生にとって最適な AI ツールはどれでしょうか?
- AI 1134 2024-07-17 16:49:04
-
- 言語モデルを完全に変更します。新しいアーキテクチャ TTT は Transformer を上回り、ML モデルは RNN 隠れ状態を置き換えます。
- 125Mから1.3Bの大型モデルまで性能が向上しました。ついにこんなことが起こったなんて信じられない。新しいラージ言語モデル(LLM)アーキテクチャは、これまでAI分野で普及してきたTransformerに代わるものとして期待されており、そのパフォーマンスはMambaよりも優れています。今週月曜日、Test-TimeTraining (TTT) に関する論文が人工知能コミュニティで話題になりました。論文リンク: https://arxiv.org/abs/2407.04620 この研究の著者は、スタンフォード大学、カリフォルニア大学バークレー校、カリフォルニア大学サンディエゴ校、メタの出身者です。彼らは、RNN の隠れた状態を機械学習モデルに置き換える新しいアーキテクチャ TTT を設計しました。モジュール
- AI 526 2024-07-17 16:08:17
-
- 単著論文、Google は密なフィードフォワードと疎な MoE を超える数百万の専門家の混合を提案
- 計算効率を維持しながら、Transformer をさらに拡張する可能性を解き放ちます。標準の Transformer アーキテクチャのフィードフォワード (FFW) 層では、隠れ層の幅が増加するにつれて、計算コストとアクティベーション メモリが直線的に増加します。大規模言語モデル (LLM) のサイズが増大し続けるにつれて、モデル サイズを計算コストから分離するスパース混合エキスパート (MoE) アーキテクチャがこの問題を解決する実現可能な方法になりました。多くの新しい MoE モデルは、同じサイズでより優れたパフォーマンスとより強力なパフォーマンスを実現できます。最近発見された細粒度 MoE のスケーリング則は、粒度が高いほどパフォーマンスが向上することを示唆しています。ただし、既存の MoE モデルは、計算と最適化の課題により、少数の専門家に限定されています。
- AI 571 2024-07-17 14:34:17
-
- 公理的トレーニングにより、LLM は因果推論を学習できます。6,700 万個のパラメータ モデルは、1 兆個のパラメータ レベル GPT-4 に匹敵します。
- LLM に因果連鎖を示すと、LLM は公理を学習します。 AI はすでに数学者や科学者の研究を支援しています。たとえば、有名な数学者のテレンス タオは、GPT などの AI ツールを活用した研究や探索の経験を繰り返し共有しています。 AI がこれらの分野で競争するには、強力で信頼性の高い因果推論能力が不可欠です。この記事で紹介する研究では、小さなグラフでの因果的推移性公理の実証でトレーニングされた Transformer モデルが、大きなグラフでの推移性公理に一般化できることがわかりました。言い換えれば、Transformer が単純な因果推論の実行を学習すると、より複雑な因果推論に使用できる可能性があります。チームが提案した公理的トレーニング フレームワークは、デモンストレーションのみで受動的データに基づいて因果推論を学習するための新しいパラダイムです。
- AI 1219 2024-07-17 10:14:38