lokasi sekarang:Rumah > Artikel teknikal > Peranti teknologi > AI
- Arah:
- semua web3.0 pembangunan bahagian belakang hujung hadapan web pangkalan data Operasi dan penyelenggaraan alat pembangunan rangka kerja php pengaturcaraan harian applet WeChat masalah biasa lain teknologi Tutorial CMS Java Tutorial sistem tutorial komputer Tutorial Perkakasan Tutorial mudah alih Tutorial perisian Tutorial permainan mudah alih
- Mengelaskan:
-
- Mudah dan universal: 3 kali pecutan latihan tanpa kehilangan rangkaian asas visual, Tsinghua EfficientTrain++ dipilih untuk TPAMI 2024
- Penulis kertas perbincangan ini, Wang Yulin, ialah pelajar kedoktoran langsung 2019 di Jabatan Automasi Universiti Tsinghua. Beliau belajar di bawah Ahli Akademik Wu Cheng dan Profesor Madya Huang Gao . Beliau telah menerbitkan kertas perbincangan sebagai pengarang pertama dalam jurnal dan persidangan seperti TPAMI, NeurIPS, ICLR, ICCV, CVPR, ECCV, dll., dan telah memenangi Biasiswa Baidu, Microsoft Scholar, CCF-CV Academic Emerging Award, ByteDance Scholarship dan lain-lain penghormatan. Halaman utama peribadi: wyl.cool. Artikel ini terutamanya memperkenalkan artikel yang baru sahaja diterima oleh IEEETransactionsonPatternAnalysisandMachineIntelligence (TPAMI): Effici
- AI 934 2024-06-10 14:54:28
-
- Rangka kerja pembinaan semula Gaussian yang cekap dan boleh digeneralisasikan yang boleh membuat alasan dengan cepat dengan hanya 3 paparan dan pengoptimuman lengkap dalam 45 saat.
- Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Teknologi pembinaan semula 3D dan sintesis paparan baharu digunakan secara meluas dalam bidang realiti maya dan realiti tambahan. NeRF telah mencapai kejayaan yang luar biasa dalam sintesis paparan dengan mengekod adegan secara tersirat sebagai pemandangan sinar. Walau bagaimanapun, kerana NeRF bergantung pada pertanyaan intensif titik demi titik yang memakan masa
- AI 891 2024-06-10 14:24:57
-
- Kemajuan baharu dalam siri 'Spatial Intelligence' Li Feifei, suite 'BVS' baharu pasukan Wu Jiajun menilai model penglihatan komputer
- Dalam ucapan TED 2024 baru-baru ini, Li Feifei menerangkan konsep kecerdasan ruang (Spatial Intelligence) secara terperinci. Dia gembira dan sangat bersemangat tentang perkembangan pesat bidang penglihatan komputer dalam beberapa tahun kebelakangan ini, dan sedang mewujudkan syarikat permulaan untuk tujuan ini, dalam ucapan ini, dia menyebut hasil penyelidikan pasukan Stanford, BEHAVIOR,. yang mereka "cipta" Set data tingkah laku dan gerakan yang digunakan untuk melatih komputer dan robot cara bertindak dalam dunia tiga dimensi. BEHAVIOR ialah set data besar yang mengandungi gelagat dan tindakan manusia dalam pelbagai senario. Tujuan set data ini adalah untuk membolehkan komputer dan robot lebih memahami dan meniru tingkah laku manusia. Dengan menganalisis TINGKAH LAKU
- AI 1144 2024-06-10 14:04:57
-
- Sumber terbuka! V2Xverse: menyerahkan dan mengeluarkan platform simulasi pertama dan model hujung ke hujung untuk V2X
- Data pemanduan disegerakkan kerjasama kenderaan-jalan raya Pemanduan autonomi berbantukan kenderaan-ke-segala-galanya V2X-AD (Pemandu autonomi berbantukan kenderaan-ke-semuanya) mempunyai potensi besar dalam menyediakan strategi pemanduan yang lebih selamat. Penyelidik telah menjalankan banyak penyelidikan mengenai aspek komunikasi dan komunikasi V2X-AD, tetapi kesan infrastruktur dan sumber komunikasi ini dalam meningkatkan prestasi pemanduan masih belum diterokai sepenuhnya. Ini menyerlahkan keperluan untuk mengkaji pemanduan autonomi kolaboratif, iaitu, cara mereka bentuk strategi perkongsian maklumat yang cekap untuk perancangan pemanduan untuk meningkatkan prestasi pemanduan setiap kenderaan. Ini memerlukan dua syarat asas utama: platform yang boleh menyediakan persekitaran data untuk V2X-AD dan pemanduan
- AI 439 2024-06-10 12:42:28
-
- GPT-4 lulus ujian Turing dengan kadar kemenangan 54%! Kerja baharu UCSD: Manusia tidak dapat mengenali GPT-4
- Bolehkah GPT-4 lulus ujian Turing? Apabila model yang cukup berkuasa dilahirkan, orang sering menggunakan ujian Turing untuk mengukur kecerdasan LLM ini. Baru-baru ini, penyelidik dari Jabatan Sains Kognitif di UCSD mendapati bahawa dalam ujian Turing, orang tidak dapat membezakan GPT-4 daripada manusia sama sekali! Alamat kertas: https://arxiv.org/pdf/2405.08007 Dalam ujian Turing, GPT-4 dinilai sebagai manusia 54% sepanjang masa. Keputusan eksperimen menunjukkan bahawa ini adalah kali pertama sistem telah lulus ujian secara empirik dalam ujian Turing dua orang "interaktif". Penyelidik Cameron R. Jones mengambil 500 sukarelawan, yang dibahagikan kepada 5 peranan: 4 penilai, iaitu
- AI 1139 2024-06-10 12:32:27
-
- Versi sumber terbuka GLM-4 akhirnya di sini: mengatasi Llama3, pelbagai mod setanding dengan GPT4V, dan platform MaaS juga telah dinaik taraf dengan banyak.
- Versi terbaru model besar berharga 6 sen dan 1 juta Token. Pagi ini, pada Hari Terbuka AI, syarikat model besar Zhipu AI yang banyak ditontoni mengumumkan satu siri angka pelaksanaan industri: Menurut statistik terkini, platform terbuka model besar Zhipu AI kini telah menerima 300,000 pengguna berdaftar, dengan purata setiap hari Bilangan panggilan telah mencapai 40 bilion Token, yang mana penggunaan API harian telah meningkat lebih daripada 50 kali dalam tempoh 6 bulan yang lalu, dan model GLM-4 dengan prestasi paling berkuasa telah meningkat lebih daripada 90 kali dalam 4 bulan lepas. Dalam Aplikasi Qingtan baru-baru ini, lebih daripada 300,000 ejen aktif di pusat ejen, termasuk banyak alat produktiviti yang sangat baik, seperti peta minda, pembantu dokumen, penjadual dan banyak lagi. Dari segi teknologi baharu, versi terkini GLM-4, GL
- AI 1139 2024-06-10 11:44:17
-
- Ucapkan selamat tinggal kepada algoritma Gaussian Splatting 3D, pemangkasan spektrum Gaussian field SUNDAE dengan pampasan saraf adalah sumber terbuka
- Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Penulis kertas kerja ini termasuk Yang Runyi, pelajar sarjana di Imperial College London, Zhu Zhenxin, pelajar sarjana tahun kedua di Universiti Beihang, Jiang Zhou, pelajar kedua- pelajar sarjana tahun di Institut Teknologi Beijing, dan pelajar sarjana tahun empat di Institut Teknologi Beijing Ye Baijun, Zhang Yifei, pelajar sarjana tahun ketiga di Akademi Sains China, Kepintaran Buatan Telekom China
- AI 1092 2024-06-10 11:17:28
-
- Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag
- Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi
- AI 1236 2024-06-10 11:08:19
-
- Model penjanaan audio 47 saat sumber terbuka AI kestabilan boleh menjana serangga, burung, muzik rock dan rentak gendang.
- Terdapat satu lagi berita baik dalam bidang penjanaan audio: StabilityAI baru sahaja mengumumkan pelancaran model terbuka StableAudioOpen, yang boleh menjana data audio berkualiti tinggi. Alamat projek: https://huggingface.co/stabilityai/stable-audio-open-1.0 Tidak seperti produk StableAudio komersial StabilityAI, yang menjana trek muzik yang lebih panjang dan koheren sehingga tiga minit, StableAudioOpen boleh dibuat melalui teks ringkas Menyediakan penjanaan tinggi -data audio berkualiti sehingga 47 saat. Model ini dicipta untuk pengeluaran muzik dan reka bentuk bunyi. Ia termasuk paluan dram, alat muzik ri
- AI 1002 2024-06-10 09:37:36
-
- Panduan langkah demi langkah untuk menggunakan Groq Llama 3 70B secara tempatan
- Penterjemah |. Tinjauan Bugatti |. Chonglou Artikel ini menerangkan cara menggunakan enjin inferens GroqLPU untuk menjana respons sangat pantas dalam JanAI dan VSCode. Semua orang sedang berusaha membina model bahasa besar (LLM) yang lebih baik, seperti Groq yang memfokuskan pada bahagian infrastruktur AI. Sambutan pantas daripada model besar ini adalah kunci untuk memastikan model besar ini bertindak balas dengan lebih cepat. Tutorial ini akan memperkenalkan enjin parsing GroqLPU dan cara mengaksesnya secara setempat pada komputer riba anda menggunakan API dan JanAI. Artikel ini juga akan menyepadukannya ke dalam VSCode untuk membantu kami menjana kod, kod refactor, memasukkan dokumentasi dan menjana unit ujian. Artikel ini akan mencipta pembantu pengaturcaraan kecerdasan buatan kami sendiri secara percuma. Pengenalan kepada enjin inferens GroqLPU Groq
- AI 1047 2024-06-10 09:16:58
-
- Apl model besar Tencent Yuanbao berada dalam talian! Hunyuan dinaik taraf untuk mencipta pembantu AI serba boleh yang boleh dibawa ke mana-mana
- Pada 30 Mei, Tencent mengumumkan peningkatan menyeluruh model Hunyuannya Apl "Tencent Yuanbao" berdasarkan model Hunyuan telah dilancarkan secara rasmi dan boleh dimuat turun dari kedai aplikasi Apple dan Android. Berbanding dengan versi applet Hunyuan dalam peringkat ujian sebelumnya, Tencent Yuanbao menyediakan keupayaan teras seperti carian AI, ringkasan AI, dan penulisan AI untuk senario kecekapan kerja untuk senario kehidupan harian, permainan Yuanbao juga lebih kaya dan menyediakan pelbagai ciri , dan kaedah permainan baharu seperti mencipta ejen peribadi ditambah. "Tencent tidak akan berusaha untuk menjadi yang pertama membuat model besar, Liu Yuhong, naib presiden Tencent Cloud dan orang yang bertanggungjawab bagi model besar Tencent Hunyuan, berkata: "Pada tahun lalu, kami terus mempromosikan keupayaan untuk Model besar Tencent Hunyuan Dalam teknologi Poland yang kaya dan besar dalam senario perniagaan sambil mendapatkan cerapan tentang keperluan sebenar pengguna
- AI 816 2024-06-09 22:38:15
-
- Meletakkan seluruh bumi ke dalam rangkaian saraf, pasukan Universiti Beihang melancarkan model penjanaan imej penderiaan jauh global
- Pasukan penyelidik Beihang menggunakan model resapan untuk "meniru" Bumi? Di mana-mana lokasi di seluruh dunia, model itu boleh menjana imej penderiaan jauh berbilang resolusi, mencipta "adegan selari" yang kaya dan pelbagai. Selain itu, ciri geografi yang kompleks seperti rupa bumi, iklim dan tumbuh-tumbuhan semuanya telah diambil kira. Diilhamkan oleh Google Earth, pasukan penyelidik Beihang "memuatkan" imej penderiaan jauh satelit seluruh Bumi ke dalam rangkaian neural dalam dari perspektif overhed. Berdasarkan rangkaian sedemikian, pasukan itu membina MetaEarth, model penjanaan visual atas ke bawah global. MetaEarth mempunyai 600 juta parameter dan boleh menjana imej penderiaan jauh dengan resolusi berbilang, tanpa sempadan dan meliputi mana-mana lokasi geografi di seluruh dunia. Berbanding dengan penyelidikan terdahulu, model penjanaan imej penderiaan jauh global mempunyai
- AI 300 2024-06-09 21:56:30
-
- Ketua Pegawai Eksekutif Meta AI LeCun: Jangan meneruskan kerja LLM
- Dihasilkan |. 51CTO Technology Stack (WeChat ID: blog51cto) Di VivaTech, persidangan teknologi tahunan untuk pemula di Paris, Ketua Pegawai Eksekutif MetaAI Yann LeCun menasihatkan pelajar yang ingin bekerja dalam ekosistem AI supaya tidak meneruskan kerja LLM (model bahasa besar). Jika anda berminat untuk membina sistem AI generasi seterusnya, anda tidak perlu bekerja dalam LLM. Ini adalah perkara syarikat yang besar dan anda tidak boleh menyumbang kepadanya," kata LeCun pada persidangan itu. Beliau juga berkata bahawa orang ramai harus membangunkan sistem AI generasi akan datang yang boleh mengatasi batasan model bahasa yang besar. 1. Jauhi LLM Menariknya, Perbincangan tentang alternatif LLM (Large Language Model) telah diteruskan
- AI 786 2024-06-09 20:29:50
-
- [Tafsiran Kertas] Sistem 2 Perhatian meningkatkan objektiviti dan faktual model bahasa besar
- 1. Pengenalan ringkas Artikel ini memperkenalkan secara ringkas kerja berkaitan kertas "System2Attention(issomethingyoumightneedtoo)". Perhatian lembut dalam model bahasa besar (LLM) berasaskan pengubah boleh dengan mudah memasukkan maklumat yang tidak relevan daripada konteks ke dalam perwakilan asasnya, yang akan memberi kesan buruk kepada penjanaan token seterusnya. Untuk membantu membetulkan masalah ini, makalah itu memperkenalkan System2Attention (S2A), yang memanfaatkan keupayaan LLM untuk menaakul dalam bahasa semula jadi dan mengikut arahan untuk memutuskan perkara yang perlu diproses. S2A menjana semula konteks input supaya konteks input hanya mengandungi bahagian yang berkaitan, kemudian
- AI 680 2024-06-09 20:03:51
-
- YOLOv10 ada di sini! Pengesanan sasaran hujung ke hujung masa nyata sebenar
- Dalam beberapa tahun kebelakangan ini, YOLO telah menjadi paradigma arus perdana dalam bidang pengesanan objek masa nyata kerana keseimbangannya yang berkesan antara kos pengiraan dan prestasi pengesanan. Penyelidik telah menjalankan penerokaan mendalam tentang reka bentuk struktur, matlamat pengoptimuman, strategi peningkatan data, dsb. YOLO dan telah mencapai kemajuan yang ketara. Walau bagaimanapun, pergantungan pasca pemprosesan pada penindasan bukan maksimum (NMS) menghalang penggunaan YOLO hujung ke hujung dan memberi kesan negatif kependaman inferens. Tambahan pula, reka bentuk pelbagai komponen dalam YOLO tidak mempunyai semakan yang komprehensif dan menyeluruh, mengakibatkan redundansi pengiraan yang ketara dan mengehadkan prestasi model. Ini menghasilkan kecekapan yang tidak optimum, dan potensi besar untuk peningkatan prestasi. Dalam kerja ini, kami berhasrat untuk memajukan lagi kelebihan kecekapan prestasi YOLO daripada dua aspek: pasca pemprosesan dan seni bina model.
- AI 1003 2024-06-09 17:29:31