第 77 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

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 649 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 923 2024-06-05 22:14:46
HuggingFace教你怎样做出SOTA视觉模型

前有OpenAI的GPT-4o，后有谷歌的系列王炸，先进的多模态大模型接连炸场。其他从业者在震撼之余，也再次开始思考怎么追赶这些超级模型了。在这篇HuggingFace和法国索邦大学的一篇论文中，总结出了构建视觉大模型的关键经验，给开发者指明了一条路。图片这些经验涵盖了模型架构选择、训练方法、训练数据等多个方面。作者在多方比较之后给出了详尽的总结，核心要点包括：想把视觉大模型搞好，架构的选择很重要。语言模型对整体表现的影响，比视觉模块更大。采用分阶段预训练策略，更有利于构建模型能力。训练数据应包

人工智能 933 2024-06-05 21:39:58
你所不知道的机器学习五大学派

机器学习是人工智能的重要分支，它赋予计算机从数据中学习的能力，并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用，从图像识别和自然语言处理到推荐系统和欺诈检测，它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论，其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学（Symbolism），又称为符号主义，强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程，通过已有的

人工智能 787 2024-06-05 20:51:22
字节跳动豆包大模型发布，火山引擎全栈 AI 服务助力企业智能化转型

火山引擎总裁谭待企业要做好大模型落地，面临模型效果、推理成本、落地难度的三大关键挑战：既要有好的基础大模型做支撑，解决复杂难题，也要有低成本的推理服务让大模型被广泛应用，还要更多工具、平台和应用帮助企业做好场景落地。——谭待火山引擎总裁01.豆包大模型首次亮相大使用量打磨好模型模型效果是AI落地最关键的挑战。谭待指出，只有大的使用量，才能打磨出好模型。目前，豆包大模型日均处理1,200亿tokens文本、生成3,000万张图片。为助力企业做好大模型场景落地，字节跳动自主研发的豆包大模型将通过火山

人工智能 905 2024-06-05 19:59:21
英伟达新研究：上下文长度虚标严重，32K性能合格的都不多

无情戳穿“长上下文”大模型的虚标现象——英伟达新研究发现，包括GPT-4在内的10个大模型，生成达到128k甚至1M上下文长度的都有。但一番考验下来，在新指标“有效上下文”上缩水严重，能达到32K的都不多。新基准名为RULER，包含检索、多跳追踪、聚合、问答四大类共13项任务。RULER定义了“有效上下文长度”，即模型能保持与Llama-7B基线在4K长度下同等性能的最大长度。这项研究被学者评价为“非常有洞察力”。不少网友看到这项新研究后，也非常想看到上下文长度王者玩家Claude和Gemini

人工智能 1039 2024-06-05 16:22:47
yolov部署到iPhone或终端实践全过程

期待已久的检测经典又来了一波强袭——YOLOv5。其中，YOLOv5没有完整的文件，现在最重要的应该是把YOLOv4弄清楚，在目标检测领域中受益匪浅，可以在某些场景得到较高的提升。今天我们还是给大家分析YOLOv4，下一期我们将实践得将YOLOv5部署到苹果手机或者在终端通过摄像头实时检测！一、技术回顾有大量的特征被认为可以提高卷积神经网络（CNN）的精度。需要在大型数据集上对这些特征的组合进行实际测试，并对结果进行理论验证。某些功能只对某些模型进行操作，某些问题只对某些模型进行操作，或只对小规

人工智能 514 2024-06-05 16:17:14
具身智能体三维感知新链条，TeleAI &上海AI Lab提出多视角融合具身模型「SAM-E」

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当我们拿起一个机械手表时，从正面会看到表盘和指针，从侧面会看到表冠和表链，打开手表背面会看到复杂的齿轮和机芯。每个视角都提供了不同的信息，将这些信息综合起来才能理解操作对象的整

人工智能 535 2024-06-05 16:09:27
全国数据标准化技术委员会正式批复筹建

2024年5月24日下午，第七届数字中国建设峰会主论坛在福州召开。国家数据局党组书记、局长刘烈宏，国家市场监管总局党组成员、副局长，国家标准委主任田世宏等出席会议。会议围绕数字中国建设的重要性和战略规划展开了深入讨论。与会代表认识到，数字化转型已经成为推动国家发展的关键驱动力。同时，他们强调了数字化技术在经济、社会和治理方面的广泛应在会上，田世宏宣读了"关于筹建全国数据标准化技术委员会的通知"。全国数据标准化技术委员会将负责数据资源、数据技术、数据流通、智慧城市、数字化转型等

人工智能 490 2024-06-05 13:51:45
通过强化学习策略进行特征选择

特征选择是构建机器学习模型过程中的关键步骤。为模型和我们想要完成的任务选择好的特征，可以提高性能。如果我们处理的是高维数据集，那么选择特征就显得尤为重要。它使模型能够更快更好地学习。我们的想法是找到最优数量的特征和最有意义的特征。在本文中，我们将介绍并实现一种新的通过强化学习策略的特征选择。我们先讨论强化学习，尤其是马尔可夫决策过程。它是数据科学领域的一种非常新的方法，尤其适用于特征选择。然后介绍它的实现以及如何安装和使用python库（FSRLearning）。最后再使用一个简单的示例来演示这

人工智能 465 2024-06-05 13:00:43
HPE Aruba Networking的前瞻视角：构建AI赋能的安全融合网络

数字化时代，网络不仅是连接世界的纽带，更是推动商业和社会进步的关键力量。随着移动设备、物联网(IoT)和云服务的爆炸性增长，用户对网络的依赖达到了前所未有的水平。一个能够随时随地提供安全、高效接入的网络环境，无论对个人还是企业，都已成为刚需。然而，这一需求的增长也带来了一系列挑战，尤其是在网络安全和网络架构的复杂性方面。在Gartner今年最新发布的有线、无线介入的魔力象限中，HPEArubaNetworking凭借其在自动化网络编排、先进的软件升级技术以及集成人工智能（AI）特性的解决方案，再

人工智能 745 2024-06-05 11:12:47
ECCV 2024 Workshop自动驾驶难例场景多模态理解与视频生成征稿与挑战赛火热启动！

Workshop主页：https://coda-dataset.github.io/w-coda2024/概述本次研讨会旨在探讨当前最先进的自动驾驶技术与全面可靠的智能自动驾驶代理之间的差距。近年来，多模态大模型（如GPT-4V）展示了其在多模态感知与理解方面的前所未有的进步。而利用MLLMs来应对自动驾驶中复杂场景，特别是罕见但关键的难例场景，是一个未解的挑战。本次Workshop旨在促进多模态大模型感知与理解、先进的AIGC技术在自动驾驶系统中的应用、端到端自动驾驶等方面的创新研究。Work

人工智能 882 2024-06-04 20:47:35
零基础也能搞懂卷积神经网络原理！超详细！

相信和作者一样爱技术对AI兴趣浓厚的小伙伴们，一定对卷积神经网络并不陌生，也一定曾经对如此“高级”的名字困惑良久。作者今天将从零开始走进卷积神经网络的世界~与大家分享！在深入了解卷积神经网络之前，我们先看看图像的原理。图像原理图像在计算机中是通过数字(0-255)来表示的，每个数字代表图像中一个像素的亮度或颜色信息。其中：黑白图像：每个像素只有一个值，这个值在0（黑色）到255（白色）之间变化。彩色图像：每个像素包含三个值，最常见的是RGB（Red-Green-Blue）模型，即红色、绿色和蓝色

人工智能 390 2024-06-04 20:19:27
超衍射极限1.5倍，成像条件低10倍，清华、中国科学院用AI方法提高显微镜分辨率

图示：通过ZS-DeconvNet对快速光敏生物过程进行长期SR成像。（来源：论文）编辑|萝卜皮计算超分辨率方法，包括传统的分析算法和深度学习模型，极大地改进了光学显微镜。其中，有监督深度神经网络表现出了出色的性能，但由于活细胞的高动态性，需要大量的高质量训练数据，而获取这些数据非常费力且不切实际。在最新的研究中，清华大学和中国科学院的研究人员开发了零样本反卷积网络（Zero-shotdeconvolutionnetworks，ZS-DeconvNet），可立即将显微镜图像的分辨率提高超过衍射极

人工智能 617 2024-06-04 19:26:15
划重点！！因果推断两大算法框架解析

一、整体框架主要任务可分为三类。首先是因果结构的发现，即从数据中识别出变量之间的因果关系。其次是因果效应的估计，即从数据中推断一个变量对另一个变量的影响程度。需要注意的是，这种影响并非指相对性，而是指在对一个变量进行干预时，另一个变量的数值或分布如何变化。最后是校正偏差，因为在许多任务中，各种因素可能导致开发样本和应用样本的分布不同。在这种情况下，因果推断可能有助于我们进行校正偏差。这些功能适用于多种场景，其中最典型的是决策场景。通过因果推断，可以了解不同用户对我们的决策行为的反应。其次，在工业

人工智能 644 2024-06-04 16:45:02