第 80 页-探索人工智能技术的未来

当前位置：首页 > 技术文章 > 科技周边 > 人工智能

方向：: 全部网络3.0 后端开发 web前端数据库运维开发工具 php框架每日编程微信小程序常见问题其他科技 CMS教程 Java 系统教程电脑教程硬件教程手机教程软件教程手游教程

分类：: 人工智能 IT业界

最热

最新

聚焦创新英特尔推出至强 ®品牌新战略

品牌是企业使命和发展的象征，也承载着产品特质和市场认可。今天，在英特尔GTC科技体验中心的英特尔®至强®6能效核心处理器发布会上，英特尔公司全球副总裁兼首席市场营销官BrettHannath宣布推出全新的英特尔®至强®品牌。BrettHannath表示，新的英特尔®至强®品牌战略将专注于创新，以更简洁的命名和更深刻的含义来赋予产品品牌属性，提升至强品牌在市场中的认知度。通过融合创新技术、以高性能、高效能、高质量和高安全特性，为产业伙伴和用户创造全新的体验。自1998年推出以来，英特尔®至强®品牌

人工智能 1059 2024-06-07 09:29:48
高亮反光终结者？谷歌NeRF-Casting：光线追踪就能搞定！

NeRF不再“畏惧”近处高光反射早期的NeRF变体使用多层感知器（MLPs）从三维坐标映射到体积密度和视点相关的颜色，但是表示详细的三维几何和颜色所需的大型MLPs训练和评估速度极慢。最近的工作专注于通过用类似体素网格的数据结构或网格和小型MLPs的组合替代大型MLPs，使NeRF更加高效。虽然可以扩展到表示详细的大规模场景，但其优势仅限于三维几何和主要的漫反射颜色。扩展NeRF建模现实的视点相关外观的能力仍然是一个挑战。当前先进的用于闪亮物体视图合成的模型在两个方面存在限制：只能合成远处环境光

人工智能 1310 2024-06-07 09:27:53
LLM | Yuan 2.0-M32：带注意力路由的专家混合模型

图片一、结论写在前面Yuan+2.0-M32是一种基础架构，与Yuan-2.0+2B相似，采用了一个包含32位专家的专家混合架构。其中2位专家处于活跃状态。提出并采用了一个包含32位专家的专家混合架构，以更高效地选择专家，相比采用经典路由网络的模型，其准确率提升了3.8%。Yuan+2.0-M32从零开始训练，使用了2000B的token，其训练消耗仅为同等参数规模密集集合模型的9.25%。为了更好地选择专家，引入了注意力路由器，该路由器具有快速感知的能力，从而能更好地选择专家。Yuan2.0-

人工智能 706 2024-06-07 09:06:30
从80个模型中构建Scaling Law：华人博士生新作，思维链提出者力荐

在AI领域，扩展定律（Scalinglaws）是理解LM扩展趋势的强大工具，其为广大研究者提供了一个准则，该定律在理解语言模型的性能如何随规模变化提供了一个重要指导。但不幸的是，扩展分析在许多基准测试和后训练研究中并不常见，因为大多数研究人员没有计算资源来从头开始构建扩展法则，并且开放模型的训练尺度太少，无法进行可靠的扩展预测。来自斯坦福大学、多伦多大学等机构的研究者提出了一种替代观察法：可观察的扩展定律（ObservationalScalingLaws），其将语言模型(LM)的功能与跨多个模型

人工智能 667 2024-06-06 20:40:36
重塑生成式 AI 时代的云上「构建」体验

生成式AI时代下的云计算行业变革在全面加速，新的云上构建的时间已经到来，作为一位开发者，如何才能游刃有余地应技术革新？如何快速抓住新技术机遇快速上手和成长？加入开发者开发者必去的2024年亚马逊云科技中国峰会，可以帮您答疑解惑并获得回报！亚马逊云科技正在云上重塑生成式AI时代的开发、运维、优化等一栈式构建体验，本次峰会我们将为您带来全新开发者生成式AI探索之旅，囊括沉浸式明星产品体验、动手特训打榜与巅峰挑战、技能认证与免费学习、技术前瞻分享、全球社区领袖对话、开发者创意市集等，帮助开发者畅享无限

人工智能 908 2024-06-06 18:48:01
人类偏好就是尺！SPPO对齐技术让大语言模型左右互搏、自我博弈

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.comRichardSutton在「TheBitterLesson」中做过这样的评价：「从70年的人工智能研究中可以得出的最重要教训是，那些利用计算的通用方法最终是最有效的，而且优势

人工智能 689 2024-06-06 18:32:31
物理传热启发的视觉表征模型vHeat来了，尝试突破注意力机制，兼具低复杂度、全局感受野

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本文作者为VMamba的原班人马，其中第一作者王兆植是中国科学院大学和鹏城实验室的2022级联合培养博士生，共同一作刘悦是中国科学院大学2021级直博生。他们的主要研究方向是视

人工智能 698 2024-06-06 17:28:46
DenserRadar：基于密集LiDAR点云的4D毫米波雷达点云检测器

原标题：DenserRadar:A4Dmillimeter-waveradarpointclouddetectorbasedondenseLiDARpointclouds论文链接：https://arxiv.org/pdf/2405.05131作者单位：清华大学论文思路：4D毫米波(mmWave)雷达以其在极端环境下的鲁棒性、广阔的探测范围以及测量速度和高度的能力，已经显示出在自动驾驶系统面临边缘情况(corner-case)时增强感知能力的显着潜力。然而，4D毫米波雷达点云的固有稀疏性和噪声限

人工智能 885 2024-06-06 14:10:54
豆包大模型披露评测成绩，较上一代'云雀”提升19%

近日，豆包大模型在火山引擎原动力大会上正式发布。以超低价格促销大模型降价潮的同时，豆包的模型能力也引发行业关注。在火山引擎的一份产品资料中，豆包模型团队发布了一期内部部分测试结果：在MMLU、BBH、GSM8K、HumanEval等11个行业主流的公开评测集上，Doubao-pro-4k的总分为76.8分，相比上一代模型云雀Skylark2的64.5分提升了19%。这也优于同期测试的其他国产模型。此次评测在今年5月完成，主要包括豆包括通用模型Pro、云雀Skylark2以及内的九款国产大语言模型

人工智能 428 2024-06-06 13:45:41
Yann LeCun：ViT慢且效率低，实时图像处理还得看卷积

在Transformer大一统的时代，计算机视觉的CNN方向还有研究的必要吗？今年年初，OpenAI视频大模型Sora带火了VisionTransformer（ViT）架构。此后，关于ViT与传统卷积神经网络（CNN）谁更厉害的争论就没有断过。近日，一直在社交媒体上活跃的图灵奖得主、Meta首席科学家YannLeCun也加入了ViT与CNN之争的讨论。这件事的起因是Comma.ai的CTOHaraldSchäfer在展示自家最新研究。他（像最近很多AI学者一样）cue了YannLeCun表达，虽

人工智能 1149 2024-06-06 13:25:02
赛诺菲与OpenAI、Formation Bio合作，加速AI药物发现

编辑|X法国制药公司赛诺菲（Sanofi）在5月21日宣布与OpenAI和美国生物技术公司FormationBio建立合作伙伴关系，以加速人工智能在药物开发中的应用。这次合作将改变制药行业的游戏规则。通过结合数据、人工智能技术和药物开发方面的专业知识，他们的目标是彻底改变新药的发现和推向市场的方式。赛诺菲首席执行官PaulHudson表示：「这次合作是我们成为一家以人工智能为动力的制药公司的重要一步。」OpenAI首席运营官BradLightcap表示：「AI在加速药物开发方面具有巨大潜力。我们

人工智能 645 2024-06-06 12:54:35
改进的检测算法：用于高分辨率光学遥感图像目标检测

01前景概要目前，难以在检测效率和检测结果之间取得适当的平衡。我们就研究出了一种用于高分辨率光学遥感图像中目标检测的增强YOLOv5算法，利用多层特征金字塔、多检测头策略和混合注意力模块来提高光学遥感图像的目标检测网络的效果。根据SIMD数据集，新算法的mAP比YOLOv5好2.2%，比YOLOX好8.48%，在检测结果和速度之间实现了更好的平衡。02背景&动机随着远感技术的快速发展，高分辨率光学远感图像已被用于描述地球表面的许多物体，包括飞机、汽车、建筑物等。目标检测在远感图像的解释中

人工智能 1163 2024-06-06 12:33:01
清华接手，YOLOv10问世：性能大幅提升，登上GitHub热榜

目标检测系统的标杆YOLO系列，再次获得了重磅升级。自今年2月YOLOv9发布之后，YOLO（YouOnlyLookOnce）系列的接力棒传到了清华大学研究人员的手上。上周末，YOLOv10推出的消息引发了AI界的关注。它被认为是计算机视觉领域的突破性框架，以实时的端到端目标检测能力而闻名，通过提供结合效率和准确性的强大解决方案，延续了YOLO系列的传统。论文地址：https://arxiv.org/pdf/2405.14458项目地址：https://github.com/THU-MIG/yo

人工智能 1607 2024-06-06 12:20:45
提高光学数据集利用率，天大团队提出增强光谱预测效果 AI 模型

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「Enhancedspectrumpredictionusingdeep

人工智能 738 2024-06-06 12:09:28
单个4090可推理，2000亿稀疏大模型「天工MoE」开源

在大模型浪潮中，训练和部署最先进的密集集LLM在计算需求和相关成本上带来了巨大挑战，尤其是在数百亿或数千亿参数的规模上。为了应对这些挑战，稀疏模型，如专家混合模型（MoE），已经变得越来越重要。这些模型通过将计算分配给各种专门的子模型或“专家”，提供了一种经济上可行的替代方案，有可能以极低的资源需求达到甚至超过密集集模型的性能。6月3日，开源大模型领域又传来重要消息：昆仑万维宣布开源2千亿稀疏大模型Skywork-MoE，在保持性能强劲的同时，大幅降低了推理成本。基于此前昆仑万维开源的Skywo

人工智能 1029 2024-06-05 22:14:46