編輯言征出品51CTO技術棧（微信號：blog51cto）蘋果在2024年WWDC大會上宣布了“AppleIntelligence”，這是其針對iPhone、Mac等設備推出的一套全新AI功能套件。圖片從今年晚些時候開始，蘋果將推出其所說的更加人性化的Siri、自定義AI生成的“Genmoji”，以及GPT4o接入功能，該功能讓Siri在無法處理用戶請求時轉向OpenAI的聊天機器人。siri環繞屏幕邊緣的彩虹環1.Apple里的AI：跨應用、屏幕感知、隱私驗證這家公司曾一度拒絕在談...

有沒有想過你的狗狗想要對你說什么？在科幻或者想象的場景中，人類有時會編織類似的情節。然而在AI風行之下，科幻已然到來！狗的語言也是「自然語言」，人的語言能wordtovector，「汪汪」為什么不行？近日，就有研究人員開發了一款人工智能工具，可以區分不同含義的狗叫聲，并識別狗的年齡、性別和品種。論文地址：?https:arxiv.orgpdf2404.18739??而且，研究結果表明，源自人類語音的聲音和模式，可以作為分析和理解其他聲...

此前，MIT研究發現，AI在各類游戲中為了達到目的，不擇手段，學會用佯裝、歪曲偏好等方式欺騙人類。無獨有偶，最新一項研究發現，GPT4在99.16%情況下會欺騙人類！來自德國的科學家ThiloHagendorff對LLM展開一系列實驗，揭示了大模型存在的潛在風險，最新研究已發表在PNAS。而且，即便是用了CoT之后，GPT4還是會在71.46%情況中采取欺騙策略。論文地址：??https:www.pnas.orgdoifull10.1073pnas.2317967121??隨著大模型和智能...

大模型應用開卷，連一向保守的蘋果，都已釋放出發展端側大模型的信號。問題是，大語言模型（LLM）卓越的表現取決于“力大磚飛”，如何在資源有限的環境中部署大模型并保障性能，仍然頗具挑戰。以對大模型進行量化+LoRA的路線為例，有研究表明，現有方法會導致量化的LLM嚴重退化，甚至無法從LoRA微調中受益。為了解決這一問題，來自蘇黎世聯邦理工學院、北京航空航天大學和字節跳動的研究人員，最新提出了一種信息引導的量化后LL...

蔡志鵬博士（https:zhipengcai.github.io）是美國英特爾研究院的研究員，博士畢業于澳大利亞阿德萊德大學。他的研究興趣包括魯棒視覺感知，持續學習和生成模型等。他的工作已在領域頂級會議雜志上發表超過15篇。其中5篇文章被選為頂級會議（ECCV182，ICCV19，ICLR24，CVPR24）口頭或特邀報告，對魯棒估計計算復雜度的理論證明工作被選為ECCV1812篇最佳論文之一。360度場景生成是計算機視覺的重要任務，主流方法主要可分為兩類，...

嘉賓丨龔夢溪采訪、撰稿丨張潔編輯丨諾亞出品51CTO技術棧（微信號：blog51cto）過去十幾年，旅游的形式發生了諸多改變。旅游本身也不再是關于“詩與遠方”的奢侈夢想，而是逐漸變成大眾假期里習以為常的休閑方式。不久前，全國旅游發展大會順利召開，頂層政策正式確立了旅游產業的新興戰略地位。其中，智慧旅游被明確為旅游產業的重點升級方向，其核心是通過互聯網、大數據、人工智能和虛擬現實等技術，推動產業數字化轉型。事...

大型語言模型（LLM）的一個主要特點是「大」，也因此其訓練和部署成本都相當高，如何在保證LLM準確度的同時讓其變小就成了非常重要且有價值的研究課題。對此，研究社區已經提出了多種多樣的方法，比如剪枝、稀疏化、量化等，它們的效果也各不一樣。近日，IntelLabs發布了一項研究成果，宣稱可使用神經架構搜索（NAS）高效地為LLM「瘦身」。他們基于LLaMA27B模型的實驗表明，該技術不僅能降低模型大小，有時甚至還能讓模型的準確...

撰稿諾亞出品51CTO技術棧（微信號：blog51cto）自從微軟在Build大會上宣布推出WindowsAI功能——Recall以來，它就引起了廣泛關注和討論。傳說這項備受爭議的功能將和Copilot+PC一起上線。WindowsRecall能夠實時記錄用戶在電腦上的活動，持續截取你正在進行操作的屏幕畫面，它會保存這些“屏幕快照”，以及相應的OCR文件，以便讓這些信息可用于Copilot搜索，讓用戶能夠語義化地搜索過去瀏覽或處理過的內容。微軟固然表示這些信息...

Sora炸場之后，視頻生成持續廣受關注，不斷掀起新的熱潮。近日，在奇績創壇路演日上，世界模型公司「極佳科技」聯合清華大學自動化系正式發布中國首個超長時長、高性價比、端側可用的Sora級視頻生成大模型「視界一粟YiSu」，引起社會各界廣泛的反響和關注。01模型原生16秒，超長時長，超大運動，超強表現力；不止步于DiT，自研的視頻生成技術路線「視界一粟YiSu」擁有模型原生的16秒超長時長，并可生成至1分鐘以上；同時還擁有...

人類跳舞視頻生成是一項引人注目且具有挑戰性的可控視頻合成任務，旨在根據輸入的參考圖像和目標姿勢序列生成高質量逼真的連續視頻。隨著視頻生成技術的快速發展，特別是生成模型的迭代演化，跳舞視頻生成任務取得了前所未有的進展，并展示了廣泛的應用潛力。現有的方法可以大致分為兩組。第一組通常基于生成對抗網絡（GAN），其利用中間的姿勢引導表示來扭曲參考外觀，并通過之前扭曲的目標生成合理的視頻幀。然而，基于生成對...

一、結論寫在前面這篇論文來自：中國科學技術大學、香港中文大學、北京大學、上海AILab。論文推出了ShareGPT4Video系列，旨在通過密集且精確的標注促進大型視頻語言模型（LVLMs）的視頻理解和文本到視頻模型（T2VMs）的視頻生成。該系列包括：1）ShareGPT4Video，包含4萬個GPT4V標注的密集視頻標注，這些視頻具有不同長度和來源，通過精心設計的數據過濾和標注策略開發。2）ShareCaptionerVideo，一個高效且能力強大的任意視頻...

研究表明，隨著LLM支持更長的場景，需要微調LLM或使用檢索增強生成(RAG)。近幾個月來，走在科技前沿的人工智能公司和研究機構在擴展大型語言模型(LLM)的場景窗口方面取得了令人印象深刻的進展。場景窗口是LLM可以處理的輸入長度。場景窗口越長，可以在給定模型的提示符中放入的信息和說明就越多。在幾年內，場景窗口已經從GPT3中的2048個令牌增加到Gemini1.5Pro中的100萬個令牌。新技術有望進一步將LLM的內存擴展到無限個令牌。...

過去一年，大模型應用以前所未有之勢從出現到繁榮。LLM應用從原型展示向生產落地演進。近日，Oreilly刊發了由EugeneYan,BryanBischof等人撰寫的大模型總結性文章《WhatWeLearnedfromaYearofBuildingwithLLMs？》，由于作者們背景各不相同，有獨立咨詢顧問（HamelHusain，JasonLiu），有研究人員（ShreyaShankar），還有科技公司AI團隊領袖（EugeneYan，BryanBischof），以及AI領域布道師（CharlesFrye），這使得文章內容更為全...

最近幾天高考，在試卷題目爆出來后，很多人拿AI進行解答，做全套數學、英語、理綜卷子等等。尤其是今年高考的語文作文題目，本身就是與人工智能強相關，用AI生成作文描述對AI的看法，額外火爆。隨著今天高考的落幕，各位高三學子也確實幸苦了。接下來就是靜待好消息，準備報考自己心儀的專業和學校了。但是在報考專業上，其實也存在很多信息差，這也是張雪峰老師能如日中天的重要原因。提供高報類課程產品，最高的產品費用線下...

本文作者李云帆，四川大學計算機學院2020級直博研究生。在導師彭璽教授的指導下，博士期間主要圍繞深度聚類開展理論、方法和應用的研究。目前已在國際權威刊物NatureCommunicationsJMLRTPAMIIJCVICMLCVPR等上發表學術論文13篇，谷歌學術引用共954次；發表于AAAI2021的ContrastiveClustering被引516次，是2021年以來聚類領域引用最高的論文；獲首批國家自然科學基金青年學生基礎研究項目（博士研究生）資助。怎樣才能將可愛又迷...

一、結論寫在前面在強化學習人類反饋（RLHF）中，有效對齊大型語言模型（LLMs）與以人為中心的價值，同時防止通過預訓練和監督微調（SFT）獲得的能力退化，是一個核心挑戰。插值RLIF和SFT模型參數可以調整人類偏好與基本能力之間的權衡，從而以犧牲對齊獎勵為代價減少對齊開銷(AlignmentTax)。受此啟發，論文提出在RLHF的每個優化步驟中整合RL策略和SFT模型，以持續調節訓練方向，引入在線合并優化器。具體而言，論文通過合并SF...

音頻生成領域又有好消息：剛剛，StabilityAI宣布推出開放模型StableAudioOpen，該模型能夠生成高質量的音頻數據。項目地址：https:huggingface.costabilityaistableaudioopen1.0與StabilityAI的商業StableAudio產品（可生成長達三分鐘的更長、連貫的音樂曲目）不同，StableAudioOpen可以通過簡單的文本提示生成長達47秒的高質量音頻數據。經過專業訓練后，這個模型已經非常適合創建鼓點、樂器riffs、環境音、擬聲錄音和其他用于...

徐俊東，本文第一作者。本科畢業于倫敦大學學院（UCL），碩士就讀于新加坡國立大學（NUS）計算機系。主要研究方向為大語言模型的推理能力。個人主頁：https:aiden0526.github.ioJundongXu不使用外部工具也能讓大語言模型（LLMs）實現嚴謹可信的推理，新國立提出SymbCoT推理框架：結合符號化邏輯（SymbolicLogical）表達式與思維鏈，極大提升推理質量，魯棒性與可信度。LLMs已表現出強大的語義理解能力。但現有的LLMs在實行嚴密...

1.MobileAgentV2是什么？MobileAgentv2是一款通過多Agent合作實現有效導航的移動設備操作助手。它包含三個專業角色：規劃Agent、決策Agent和反思Agent。?規劃Agent負責根據歷史操作生成任務進度，并通過設計的記憶單元保存歷史屏幕中的焦點內容。?決策Agent在生成操作時會參考記憶單元，并檢查屏幕上的焦點內容，同時更新記憶。?反思Agent則觀察決策代理操作前后屏幕的變化，評估操作是否達到預期，并在必要時采取措施重新執...

時間序列領域最近幾年的變化非常大，在2018年左右，RNN這類模型才剛在時間序列上應用，而目前已經基本和NLP、CV等領域對齊了。隨著深度學習在時間序列預測領域研究的深入，最近一年也出現了很多新的時間序列預測研究方向。這篇文章就給大家匯總一下最近比較熱門的時間序列研究點。很多同學都感覺現在各種公眾號上時間序列的知識太雜太散，很難串聯成一個整體，系統性的學習。圓圓在知識星球中開設了系統性學習時間序列預測的專...