大模型
LLM,VLM,模型
Hugging Face发布AI代码生成工具StarCoder 2，支持600多种编程语言
摘要：开发者们正迅速采用AI驱动的代码生成器，如GitHub Copilot和Amazon CodeWhisperer，以及Meta的Code Llama。然而，这些工具存在局限性，如成本和许可证...
Gemini翻车，谷歌决策十字路口：该解雇CEO还是该进行“结构化变革”？
摘要：谷歌的Gemini Pro 1.5发布后，因无法生成“白人形象”而引发争议，被指责存在价值观上的歧视。谷歌CEO Sundar Pichai 发表声明，承诺进行结构性改变。此...
ICLR 2024 Spotlight｜厦门大学、Intel、大疆联合出品，从网络视频中学习零样本图像匹配大模型
摘要：图像匹配是计算机视觉中的关键任务，对于三维重建、视觉定位等应用至关重要。传统算法如SIFT在复杂场景下表现有限，而基于深度学习的模型受限于特定场...
想训练类Sora模型吗？尤洋团队OpenDiT实现80%加速
摘要总结：Sora的创新：2024年，Sora的出现为文生视频研究者设立了新目标。其核心技术之一是将视觉数据转化为统一表征形式，结合Transformer和扩散模型，展现...
LLaMa 3或将推迟到7月发布，剑指GPT-4，从Gemini吸取教训
Meta的LLaMa 3模型正在开发中，旨在解决LLaMa 2在回答有争议问题时的保守性问题。LLaMa 2在处理极端情况时的保守性是必要的，如暴力或非法活动相关查询，但这...
微软、国科大开启1Bit时代：大模型转三进制，速度快4倍能耗降至1/41
摘要：近期，微软研究院、国科大等机构的研究者提出了一种革命性的1-bit大模型，这一技术在AI领域引起了广泛关注。该研究通过将大模型的权重改为三元表示，实...
让Sora东京女郎唱歌、高启强变声罗翔，阿里人物口型视频生成绝了
摘要：机器之心报道了阿里巴巴智能计算研究院的EMO（Emote Portrait Alive）框架，这是一个音频-视频合成方法，用于生成表现力强、真实度高的说话人头部视频...
陈丹琦团队新作：Llama-2上下文扩展至128k，10倍吞吐量仅需1/6内存
陈丹琦团队发布了一种名为CEPE（并行编码上下文扩展）的新方法，该方法通过添加小型编码器和交叉注意力模块，扩展了预训练和指令微调模型的上下文窗口。这种...
微软6页论文爆火：三进制LLM，真香！
在最新的研究中，微软和中国中科院大学提出了一种名为BitNet b1.58的方法，标志着大语言模型（LLM）进入了“1-bit时代”。这种方法通过将传统16位浮点数存储转...
AI视频又炸了！照片+声音变视频，阿里让Sora女主唱歌小李子说rap
摘要总结：阿里推出了一款名为EMO的基于音频驱动的肖像视频生成框架，引起了广泛关注。用户只需提供一张参考图像和一段音频，即可生成表情生动的AI视频。这项...
