中厂怎么做AI,聊聊实用主义的美图
中厂怎么做AI,聊聊实用主义的美图经过过去两年的野蛮狂奔,今天AI产业的主流论断已经从当初的FOMO(Fear of Missing Out)狂热情绪回归到了PMF(Product / Market Fit )的冷静思考。
搜索
经过过去两年的野蛮狂奔,今天AI产业的主流论断已经从当初的FOMO(Fear of Missing Out)狂热情绪回归到了PMF(Product / Market Fit )的冷静思考。
如何解决模型生成幻觉一直是人工智能(AI)领域的一个悬而未解的问题。为了测量语言模型的事实正确性,近期 OpenAI 发布并开源了一个名为 SimpleQA 的评测集。而我们也同样一直在关注模型事实正确性这一领域,目前该领域存在数据过时、评测不准和覆盖不全等问题。例如现在大家广泛使用的知识评测集还是 CommonSenseQA、CMMLU 和 C-Eval 等选择题形式的评测集。
天啦撸!回溯你在网上看过、做过的一切,也有免费软件可用了!简单说,针对任何“之前好像在哪看过”的电脑文件,只需输入相关搜索词,这个软件都能帮你一键轻松回忆了。
北大等出品,首个多模态版o1开源模型来了—— 代号LLaVA-o1,基于Llama-3.2-Vision模型打造,超越传统思维链提示,实现自主“慢思考”推理。 在多模态推理基准测试中,LLaVA-o1超越其基础模型8.9%,并在性能上超越了一众开闭源模型。
还记得北互SD(Stable Diffusion,一种AI绘画生成工具)第一案吗? 现在第二案来了。
如今,机器人学习最大的瓶颈是缺乏数据。与图片和文字相比,机器人的学习数据非常稀少。目前机器人学科的主流方向是通过扩大真实世界中的数据收集来尝试实现通用具身智能,但是和其他的基础模型,比如初版的 StableDiffusion 相比,即使是 pi 的数据都会少七八个数量级。
1983 年,一群光头男子坐在大厅内,一位身穿红色短裤和白色背心的女子,像链球运动员旋转铁锤,在众人面前砸向了屏幕。1984 年,这一幕在上千万人的眼前复现,女子背心上的“Mac”单词格外醒目。
近日,中科大王杰教授团队 (MIRA Lab) 针对离线强化学习数据集存在多类数据损坏这一复杂的实际问题,提出了一种鲁棒的变分贝叶斯推断方法,有效地提升了智能决策模型的鲁棒性,为机器人控制、自动驾驶等领域的鲁棒学习奠定了重要基础。论文发表在 CCF-A 类人工智能顶级会议 Neural Information Processing Systems(NeurIPS 2024)。
文本到图像的生成模型让创作更加灵活,用户可以用自然语言引导生成图像。
今日凌晨,Stability AI 发布了 Stable Diffusion 3.5 的提示指南。该指南提供了 Stable Diffusion 3.5 的实用提示技巧,让使用者能够快速准确地完善图像概念,更好地使用 Stable Diffusion 3.5 这一在可定制性、高效性能、多样化输出和多功能风格方面均表现出色的模型。