AI.x社區
- 登錄/注冊
突破個性化圖像生成局限！MagicTailor：組件可控個性化圖像生成創新框架！
精華文章鏈接：https:arxiv.orgpdf2410.13370項目鏈接：https:correrzhou.github.ioMagicTailor亮點直擊引入了一項名為組件可控個性化的新任務，使T2I模型在個性化過程中能夠精確控制概念的各個組件。此外，語義污染和語義不平衡被確定為此任務中的關鍵挑戰。提出了MagicTailor，這是一個專門為組件可控個性化設計的新框架。該框架結合了動態掩碼退化（DMDeg），用于動態擾動不需要的視覺語義，以及雙流平衡（DSBal），以確保視覺語...視頻生成模型騰訊放大招，超Meta！史上參數最大，開源專家混合模型
開源大模型領域迎又來一位重磅玩家——騰訊。騰訊一出手就是個超大模型，開源的HunyuanLarge是目前市面上最大基于Transformer架構的專家混合（MoE）模型。一共有3890億參數，其中激活參數為520億，具備處理長達256K上下文能力。根據騰訊公開測試數據顯示，HunyuanLarge不僅超過了社交巨頭Meta開源的最新、最大模型LLama3.1405B，并且在激活參數數量顯著減少的情況下，實現了高達3.2%的性能提升。在數學、日常推理、文本生成等方...模型開源OpenAI離不開微軟，但Anthropic正在成為新寵
原創編輯言征出品51CTO技術棧（微信號：blog51cto）不久前，OpenAI和Microsoft似乎是不可戰勝的。然而，現在，他們的競爭對手正在迎頭趕上。巨頭支持方面，Anthropic的Claude模型一點都不弱，甚至隱隱有了超越ChatGPT的趨勢。前不久，Microsoft支持的GitHub已將Claude添加到Copilot，而Amazon一早就已將Claude添加到QDeveloper（CodeWhispherer）中。此外，Meta的Llama現在在用戶方面可與ChatGPT相媲美，是開源及其他領域家喻戶曉的...OpenAIAnthropic開發從谷歌、微軟、百度，到Perplexity、Kimi、秘塔，大模型真的“搭”上了搜索的快車嗎？
原創編輯伊風出品51CTO技術棧（微信號：blog51cto）回到一年前，Perplexity可能沒想到自己押寶的這條賽道如今擠滿了人。畢竟，直到今年4月，這家AI搜索的領頭羊才剛剛邁入10億美元俱樂部。然而就在上周，谷歌和OpenAI前后腳發布了新的AI搜索功能，大有打擂臺的硝煙味。一下子，所有注視著AI發展的目光都吸引過來了。緊接著，Meta也被報道要來搜索領域“分蛋糕”了。這背后的原因無非有二：一方面，是搜索太賺了，被蘋果說給錢也不用...谷歌大模型搜索【AI開源項目】FastGPT - 快速部署FastGPT以及使用知識庫的兩種方式！
在人工智能的浪潮中，生成式預訓練變換器（GPT）正以其強大的文本生成能力引領潮流。今天，我們將深入探討FastGPT，這一由FastAI團隊開發的前沿大模型，了解其架構、應用場景以及與其他大模型的對比，幫助你更好地掌握這一技術的價值和應用。一、FastGPT大模型介紹1.開發團隊FastGPT由FastAI團隊開發，團隊成員包括多位在機器學習和自然語言處理領域有豐富經驗的研究人員和工程師。FastAI團隊致力于推動深度學習的普及與應用，...FastGPT應用知識庫大語言模型時代，提示詞才是王道：堪比專業翻譯軟件的提示詞
先給大家看看最終效果：商人羅伯特·洛卡西奧，開了個名叫EqualAI的非營利組織，專門應對人工智能開發中那些看不見、摸不著的無意識偏見。這名字聽起來倒是光鮮，然而，他卻在《FastCompany》上發了一篇文章，講的是什么“提示工程”的局限。事情的由頭不過是一個普普通通的提示語：“寫篇750字的文章，說說人工智能怎么成了品牌的‘數字門面’，要寫得像《FastCompany》的文章那樣。”（洛卡西奧，2023年）。果然，ChatGPT這類...大語言模型翻譯軟件AI電話Agent時代到來！！語音克隆與情感理解、企業電話的未來？
Hi，這里是Aitrainee，歡迎閱讀本期新文章。大家應該都有接到過某某運營商或者某某銀行的電話AI助理，它們的語氣已經很接近真實人類的聲音。但是與我們對話的交互點比較局限，以至于聽了頭一兩句就知道對方是——AI。似乎缺少智能體的特征...BlandAI的這個對話AI智能體，可以集成到公司系統、從公司文檔知識庫中檢索知識+必要時轉人工。BlandAI有時甚至假裝是人類，此外，它利用通話數據訓練訓練迭代自己。視頻中展示了BlandAI...AI電話AgentClaude AI：開發者的秘密武器
近年來，人工智能（AI）以前所未有的速度發展，引發了人們對就業市場和未來工作的廣泛討論。一部分人擔憂AI會取代人類工作，而另一部分人則對AI帶來的創新機遇充滿期待。ClaudeAI(ClaudeAI)正是這些革命性技術之一，它為開發者提供了強大的工具，正在改變著軟件開發的格局。ClaudeAI：安全可靠的用戶導向型AI助手ClaudeAI是由Anthropic開發的安全、可靠且用戶友好的AI語言模型。與OpenAI的ChatGPT類似，ClaudeAI也能進行自然語...AI工具技術向o1看齊，Google開源RAG推理擴展，提升近60%
論文筆記分享，標題InferenceScalingforLongContextRetrievalAugmentedGeneration，來自googledeepmindopenaio1通過讓擴展推理，讓模型在推理方面達到非常優異的性能。google這篇內容，核心想驗證2個點RAG系統的性能，如何從推理計算擴展中受益通過建立RAG性能和推理參數之間的關系模型來預測給定預算下的最佳測試時計算分配文中應用了2種擴展方式，DRAG，IterRAG均有效的提高了RAG系統的性能。并且，當最優分配時，增加推理計...開源RAG推理關于大模型微調與訓練的問題，大模型訓練的難點在哪里？
原創?“大模型訓練的難點不在于大模型本身，而在于訓練數據”這兩天公眾號上有一個小兄弟問我關于大模型訓練的問題，然后他想自己訓練一個小模型，但又不知道該怎么操作；所以，今天就再來討論一下大模型的訓練問題，大模型訓練的難點到底在哪里？大模型訓練的難點對大部分學習大模型技術的人來說，大模型訓練和微調可能都是一個無法繞過的問題，也是很多人弄不明白的問題，總認為由于沒有足夠的算力，個人無法進行模型訓練。但事...大模型微調不只是更快：Ministral 3B和8B如何保障您的數據安全與隱私？
原創01、概述在這個信息爆炸的時代，我們每天都在與海量數據打交道。但你有沒有想過，這些數據是如何被處理的？當我們在享受智能設備帶來的便捷時，背后又是怎樣的技術在支撐？今天，我們要聊的是MistralAI公司最新推出的兩款革命性AI模型——Ministral3B和Ministral8B，它們正以前所未有的方式，將強大的語言處理能力直接帶到我們的設備上，開啟邊緣計算和個人設備AI的新篇章。02、什么是邊緣AI？在深入了解Ministral3B和Ministral...大語言模型Ministral 3BMinistral 8B大型語言模型在醫學領域的應用：探究Med-PaLM
原創01、概述在醫學領域，信息的精確性、可靠性和安全性至關重要。隨著人工智能（AI）技術的發展，大型語言模型（LLM）如GPT3和BERT為醫學領域帶來了新的機遇。這些模型在語言處理方面的能力，使其在醫學應用中顯示出巨大潛力，包括知識檢索、臨床決策支持和患者分流。多醫學問答：醫學問題回答基準為了評估LLM在醫學背景下的表現，研究人員策劃了多醫學問答（MultiMedQA），這是一個結合了七個醫學問題回答數據集的基準。這個基準...大型語言模型醫學領域Med-PaLM微軟研究院新突破：如何讓AI在專業領域更靠譜？
原創01、概述在人工智能的世界里，大型語言模型（LLMs）就像是瑞士軍刀，多才多藝，幾乎無所不能。但是，當它們遇到需要特定領域知識的任務時，比如醫療保健、法律和金融，這些萬能的模型就顯得有些力不從心了。這是為什么呢？因為它們在訓練時使用的數據集往往缺乏最新的專業信息，導致它們在回答專業問題時可能會“幻覺”——也就是說，給出的答案可能不準確，甚至是錯誤的。問題的根源LLMs在處理一般知識時表現出色，但當涉及到...大型語言模型微調RAGAI Agent智能代理如何快速變現
原創AIAgent，即人工智能代理，是一種能夠感知環境、進行自主理解、決策和執行動作的智能實體。它基于大語言模型，能夠通過獨立思考、調用工具來逐步完成給定目標的計算機程序。AIAgent的核心在于其自主性和自適應性，在特定任務或領域中能夠自主地進行學習和改進。追溯起來，代理是一個歷史悠久的概念，對這個概念的探索和解釋并不僅限于AI領域。在哲學中，代理的核心概念可以追溯到亞里士多德和大衛·休謨等有影響力的思想家。在...AI AgentYOLO11問世！重新定義AI的可能性！
原創Ultralytics在YOLOVision2024活動上宣布發布其新的計算機視覺模型YOLO11。速度更快、更準確。模型已于今日開源。Homepage:???https:www.ultralytics.comzhyolo???Github:???https:github.comultralyticsultralytics???YOLO11YOLO11標志著YOLO家族的新篇章，提供了更強大，更多功能的模型，將計算機視覺帶到新的高度。憑借其完善的架構和增強的功能，該模型支持計算機視覺任務，如姿態估計和實例分割，視覺AI社區已...YOLO11AIEmu3: 統一多模態輸入與生成
BAAI剛剛開源了Emu3多模態大模型，僅使用單個transformer，使用下一個token預測的方法從0進行訓練！通過將圖像、文本和視頻tokenize到一個統一的離散的空間中，直接通過預測下一個token實現文本、圖像和視頻生成。Homepage:???https:emu.baai.ac.cn????Github:???https:github.combaaivisionEmu3???Model:https:huggingface.coBAAIEmu3GenEmu3Emu3在生成和感知任務中超越了多個任務的專用模型，表現優于主流開源模...Emu3多模態大模型SFT暗藏大陷阱？梯度累計bug造成大范圍影響
原創在LLM的訓練時，由于顯存不足以支撐起大batch訓練，通常大家都會采用一種策略：梯度累計（gradientaccumulate）。這種方法允許模型在多個batch的梯度回傳累計并求均值之后，再更新一次權重。這樣做相當于模擬了一個更大的批量大小，而實際上并沒有一次性處理那么多數據。這樣做的好處是，它可以減少內存的使用，因為不需要一次性加載所有數據到GPU上，同時也可以享受等價大batch帶來的訓練的穩定性和模型的泛化能力。但是近期大...大模型SFTSam Altman：5年后AGI會實現，但社會變化卻很小
OpenAI首席執行官SamAltman接受了20VC最新專訪，主要討論了OpenAI如何改進模型來保持技術創新？過去10年Sam的領導力發生了哪些變化？模型迭代的縮放定律還能維持多久？等問題。在談到AGI時，Altman認為，在未來5年，AI、科技會進入瘋狂發展階段，這種進步的速度可能會讓人們達到AGI時刻，幫助我們將在AI研究以及所有其他科學領域發現新事物。但是社會本身變化卻會出乎意料地小。例如，5年前人們可能認為如果計算機通過圖靈測試...AI模型全球首個270萬菜品組合AI餐廳，用類ChatGPT輔助服務員
精華11月5日，大模型平臺BrownBaconAI與著名意大利餐廳CiboVino合作，推出了全球首個使用生成式AI輔助服務員的餐廳。據悉，該產品的功能、使用方法與ChatGPT基本一樣，但提供的知識主要聚焦在餐飲上，CiboVino通過將自己的菜品、酒水、活動等數據與AI模型相結合，可以根據顧客的心情、用途、季節等場景，提供高達270萬種菜品、酒水組合建議。同樣支持多輪深度對話，可以對推薦的菜品進行解讀，輔助餐廳服務員，幫助他們快速了解餐廳...AI模型一種實現符號鋼琴音樂聲音和譜表分離的GNN新方法
原創本文涵蓋了我最近在ISMIR2024上發表的論文《聚類和分離：一種用于樂譜雕刻的聲音和譜表預測的GNN方法》的主要內容。簡介以MIDI等格式編碼的音樂，即使包含量化音符、拍號或小節信息，通常也缺少可視化的重要元素，例如語音和五線譜信息。這種限制也適用于音樂生成、轉錄或編曲系統的輸出。因此，這種音樂無法輕易轉換成人類音樂家可以解讀和演奏的可讀樂譜。值得注意的是，語音和五線譜分離只是樂譜雕刻系統可能解決的眾多方面...機器學習深度學習神經網絡
