AI.x社區
- 登錄/注冊
你知道大模型能做哪些事情嗎？——大模型的任務類型以及應用場景
原創“不熟悉大模型技術與業務場景的情況下，怎么構建一款大模型的產品”現在大模型技術發展的日新月異，但市面上關于大模型的教程基本上都集中在技術實現以及基礎使用。不知道你是否思考過，如果自己想用大模型解決某個領域的問題應該怎么做？大模型能解決那些問題，該怎么解決這些問題？也可以理解為大模型有哪些任務類型，不同的任務類型能解決那些應用場景的問題？大模型任務與場景的結合以深度學習為基礎的生成式預訓練模型(如...大模型揭開神秘面紗：深入了解語音識別算法
原創本文將探索使語音識別成為可能的機制，了解日益普及的用于應用人工智能的語音用戶界面(VUI)可能帶來的優勢。如今，似乎每一款商用設備都具備某種形式的語音識別功能，或者至少嘗試過實現這一功能。從跨平臺的語音助手到轉錄服務和輔助工具，再到最近成為大型語言模型(LLM)差異化的關鍵要素——語音輸入已成為日常的用戶界面。根據預測，語音用戶界面(VUI)的市場規模將從2023年至2028年以23.39%的復合年增長率增長，可以預見將有...人工智能大型語言模型LLM理性看待、正確理解AI中的 Scaling “laws”
原創編者按：LLMs規模和性能的不斷提升，讓人們不禁產生疑問：這種趨勢是否能一直持續下去？我們是否能通過不斷擴大模型規模最終實現通用人工智能（AGI）？回答這些問題對于理解AI的未來發展軌跡至關重要。在這篇深度分析文章中，作者提出了一個令人深思的觀點：單單依靠擴大模型規模來實現AGI的可能性幾乎為零。這篇文章為我們提供了一個清醒的視角，提醒我們在預測AI未來發展時需要保持謹慎和理性。它挑戰了業界普遍接受的觀點，...AILLMs人工智能簡潔思考：輸出長度對大型語言模型推理和成本的影響
原創一、結論寫在前面論文標題：ConciseThoughts:ImpactofOutputLengthonLLMReasoningandCost論文鏈接：??https:arxiv.orgpdf2407.19825??當今的大型語言模型（LLMs）能夠解決具有挑戰性的問答任務，而諸如思維鏈（CoT）等提示工程技術因其增強輸出解釋和正確性而受到關注。然而，模型生成附帶詳細推理細節的答案需要大量時間。為了解決這一問題，本文分析了輸出長度對LLM推理管道的影響，并提出了新的指標來評估其正確簡潔性。...大型語言模語言模型的神秘面紗：小學數學與隱含推理過程
一、結論寫在前面論文標題：PhysicsofLanguageModels:Part2.1,GradeSchoolMathandtheHiddenReasoningProcess論文鏈接：??https:arxiv.orgpdf2407.20311??預覽頁面視頻：??https:physics.allenzhu.compart2gradeschoolmathpart21??語言模型的最新進展展示了其在解決數學推理問題上的能力，達到了接近完美的準確率，如GSM8K等小學水平數學基準測試。論文研究了語言模型如何解決這些問題。論文設計了一系列控制實驗來回答...LLM語言模型大模型技術學習之——大模型常用架構以及技術難點
原創“不同的架構，適合不同的任務”很多人對人工智能以及大模型都有一定的誤解，那就是弄不明白其中各種專業名詞，以及關系。甚至很多人認為大模型就是人工智能，人工智能就是大模型。也有人認為只有transformer架構的才是大模型，因此，今天就來了解一下模型的架構。大模型的架構及優缺點首先，人工智能(AI)有多種實現方式，而機器學習是其中的一種；而基于機器學習又延伸出了深度學習，深度學習的思想就是分層，通過多個層的疊加...大模型即插即用，效率遠超ControlNet！賈佳亞團隊重磅開源ControlNeXt：超強圖像視頻生成方法
文章鏈接：https:arxiv.orgpdf2408.06070git鏈接：https:github.comdvlabresearchControlNeXt項目鏈接：https:pbihao.github.ioprojectscontrolnextindex.html?亮點直擊提出了ControlNeXt，這是一種強大且高效的圖像和視頻生成方法，大幅減少了延遲開銷和參數量。引入了交叉歸一化（CrossNormalization）用于微調預訓練的大型模型，從而促進高效且穩定的訓練收斂。ControlNeXt可以作為一個輕量級的即插即用模塊，可以與其他LoR...視頻生成英偉達開源新大模型：訓練數據減少40倍，算力節省1.8倍
全球AI領導者英偉達（Nvidia）開源了最新大模型Nemotron4Minitron4B和Nemotron4Minitron8B。據悉這兩個模型是基于Meta開源的Llama3.18B，但英偉達使用了兩種高效的訓練方法結構化剪枝和知識蒸餾。相比從頭訓練，每個額外模型所需的訓練token數據更少，僅需大約1000億token，最多減少40倍，算力成本可節省1.8倍。性能卻依然媲美Llama3.18B、Mistral7B、Gemma7B等知名模型，而這些模型是在高達15萬億token數據訓練而成。4B開源地...模型開源REGMIX: 作為語言模型預訓練的回歸數據配比
原創一、結論寫在前面論文標題：RegMix:DataMixtureasRegressionforLanguageModelPretraining論文鏈接：??https:arxiv.orgpdf2407.01492??代碼：??https:github.comsailsgregmix??大型語言模型預訓練中的數據配比對性能有顯著影響，但如何確定有效的配比仍不明確。論文提出REGMIX，通過將數據配比問題形式化為回歸任務，自動識別高性能的數據配比。REGMIX包括使用多種數據配比訓練一組小型模型，并擬合一個回歸模型來預測給...LLM從原理到挑戰，梳理AI智能體應用
原創?智能體應用：融合前沿AI技術，提供自主決策和復雜任務處理的智能化解決方案。1引言智能體應用，依托人工智能技術，能夠根據用戶的輸入和環境變化，獨立自主地執行任務并做出決策。這些應用配備了尖端算法和工具，不僅能夠制定行動計劃，還能即時優化策略。智能體應用通過整合訪問工具、邏輯推理和即時響應等功能，能夠構建并推進復雜的工作流程，為用戶帶來智能化的解決方案。在理論探討和未來預測方面，該領域更傾向于通過原...AI智能體清華唐杰團隊新作：一口氣生成2萬字，大模型開卷長輸出
精華一口氣生成2萬字，大模型輸出也卷起來了！清華&智譜AI最新研究，成功讓GLM4、Llama3.1輸出長度都暴增。相同問題下，輸出結果直接從1800字增加到7800字，翻4倍。要知道，目前大模型的生成長度普遍在2k以下。這對于內容創作、問題回答等都存在影響，可能導致模型回答問題不全面、創造性降低等。該研究由智譜AI創始人、清華大學教授李涓子和唐杰共同領銜。論文及代碼都已放在GitHub上開源。有網友已經搶先體驗。LongWriterllama3.1...模型生成非Transformer模型終于來了！
原創FalconMamba7B強大的新AI架構為transformer模型提供了替代方案8月12日，阿布扎比技術創新研究所（TII）發布了一款名為FalconMamba7B的新開源模型。同時，這款模型已經放在了HuggingFace平臺。Mamba7B采用了一種新穎的Mamba狀態空間語言模型（SSLM）架構來處理各種文本生成任務，并在選定基準測試中優于其尺寸類別中的主流模型，包括Meta的Llama38B、Llama3.18B和Mistral7B。盡管，它是繼Falcon180B、Falcon40B和Falcon2之后TII...Transformer模型Grok-2震撼發布！性能打平GPT-4o，神速牽手爆火的FLUX 生成超逼真圖像！缺點：生成的每個總統都是特朗普
原創搞AI，馬斯克確實有點財力和人脈在身上。Grok2在經過簡單預告后就爽快地正式發布了。比起上一代Grok1.5有了超大提升，并且同時發布高度可玩的圖像生成功能，更更更有趣的是，Grok居然火速合作了最近在AI社區躥紅的FLUX模型。為啥不選Midjourney呢？當然是因為FLUX現在足夠紅。此前生成的TED圖像騙過了太多人的眼睛，不僅精準生成了手指，甚至連工牌上的文字都能搞定。這款模型驚艷到，當網友試玩Grok2的生圖發現質量超高后，憑...Grok-2GPT-4o統一單ID和多ID個性化框架！阿里發布UniPortrait:質量和多樣性超越現有方法
文章鏈接：https:arxiv.orgpdf2408.05939git鏈接：https:aigcdesigngroup.github.ioUniPortraitPagedemo鏈接：https:huggingface.cospacesJunjie96UniPortrait?亮點直擊本文提出了UniPortrait，一種創新的人像圖像個性化框架，統一了單ID和多ID的個性化，具有高面部保真度和可控性；提出了一種新的IDembedding模塊，采用解耦策略，在嵌入詳細面部身份信息的同時保持良好的可編輯性；引入了IDRouting機制，解決了多ID定制中的身...模型IDAI斗圖神器：普通視頻秒變meme，手繪動畫輕松融入，了解一下？
哎鴨，鴨鴨摔倒了！鴨鴨是真的，摔跤是真的，但端的咖啡和端咖啡的手，是AI給p上去的。△還好手里的咖啡只灑了億點點來自一個開源項目，VideoDoodles，這兩天在外網上的討論度直線上升。這項目妙就妙在，能給視頻加上手繪風格的涂鴉，可可愛愛的也行，奇奇怪怪的也行。就跟人工一幀一幀畫上去的沒差。這對目前市場上大多數的2D視頻編輯軟件來說，還是比較難的。想要達成同等效果，一般還是得創作者真·一幀一幀畫上去。怪費力氣...AI視頻馬斯克突發新版大模型，犧牲特斯拉資源叫板OpenAI，Grok-2一手實測來了
馬斯克旗下xAI大模型，出二代了！Grok2測試版發布，小杯Grok2mini已經在??平臺在線可玩。馬斯克還以謎語人的形式，揭曉了困擾大模型圈一個多月的秘密：原來Lmsys大模型競技場上的神秘匿名模型suscolumnr，真身就是Grok2。suscolumnr在排行榜上積累了1萬多人類投票，已經與GPT4o的API版并列第三。在xAI自己的內部測試中，Grok2在常識（MMLU、MMLUPro）、數學競賽問題(MATH)、研究生水平科學知識(GPQA)等領域與其他前沿模型相媲美...馬斯克模型從弱模型和強模型合成文本到SQL數據
原創論文來自中國科學院深圳先進技術研究院、中國科學院大學、阿里巴巴集團論文標題：SynthesizingTexttoSQLDatafromWeakandStrongLLMs論文鏈接：??https:arxiv.orgpdf2408.03256??1、論文背景在使用標準化提示進行評估后，論文觀察到開源模型與閉源模型之間文本到SQL的性能仍存在顯著差距。特別是，流行的開源模型CodeLLaMA13BInstruct在BIRD基準測試中的執行準確率比GPT4低30%。圖1：SENSE概覽：將人工標注數據與強模型生成的...LLM中科大、上海AI Lab發表的MindSearch思·索: 模擬模仿人類思維引發的深度AI探索者
原創一、結論寫在前面論文來自中國科學技術大學、上海AILab論文標題：MindSearch:MimickingHumanMindsElicitsDeepAISearcher論文鏈接：??https:arxiv.orgpdf2407.20183??代碼鏈接：??https:github.comInternLMMindSearch??摘要通過結合LLMs和搜索引擎來解決信息搜索與整合任務因三個挑戰而表現不佳：（1）復雜請求往往無法通過一次搜索準確且完整地檢索；（2）待整合的相關信息分散在多個網頁中，伴隨大量噪音；（3）大量內...LLMsPersonaGym：評估角色agent與LLMs
原創一、結論寫在前面論文來自卡內基梅隆大學，伊利諾伊大學芝加哥分校，佐治亞理工學院，普林斯頓大學等等論文標題：PersonaGym:EvaluatingPersonaAgentsandLLMs論文鏈接：??https:arxiv.orgpdf2407.18416??角色agent，即根據指定角色行事的LLMagent，已在各種應用中展現出令人印象深刻的上下文響應能力。這些角色agent在教育、醫療保健和娛樂等多個領域提供了顯著的增強功能，模型開發者可以針對不同用戶需求調整agent響應，...agentLLMsPersonaGymMeta SAM 2：令人印象深刻的對象分割模型
原創Meta公司發布的對象分割模型SAM2可以執行實時圖像和視頻分割，并且可以應用于許多領域，而無需對特定數據進行微調。Meta公司日前發布了其新的SegmentAnythingModel2(SAM2)，由于目前人們主要關注的是大型語言模型(LLM)，因此并沒有得到應有的關注。SAM2可以進行實時圖像和視頻分割，并且可以應用于許多領域，而無需對特定數據進行微調。圖1使用Meta的SAM2模型進行對象分割Meta公司已經發布了模型權重、代碼和用于訓練它的數據集...大型語言模LLMSAM 2
