标签：机器之心
用AI短视频「反哺」长视频理解，腾讯MovieLLM框架瞄准电影级连续帧生成
这篇文章介绍了腾讯和复旦大学研究团队提出的创新性AI生成框架MovieLLM，旨在解决长视频理解的挑战。长视频的分析与理解一直是一个难题，因为缺乏高质量、多...
LeCun最新专访：为什么物理世界终将成为LLM的「死穴」？
本文主要讨论了人工智能领域的先锋人物Yann LeCun的观点和对未来人工智能发展的展望。LeCun在接受Lex Fridman播客采访时，分享了他对开源、LLM（大型语言模型...
基于DiT，支持4K图像生成，华为诺亚0.6B文生图模型PixArt-Σ来了
华为诺亚方舟实验室的研究团队提出了一种新的训练方法，名为由弱到强式训练（weak-to-strong training），旨在解决个人研究者在开发顶级文生图（T2I）模型时...
大模型在复杂推理任务上潜力如何？多智能体互动框架ThinkThrice玩转剧本杀
这篇文章介绍了一项由加拿大蒙特利尔大学和 Mila 研究所的研究团队进行的关于将人工智能（AI）引入剧本杀游戏的研究。剧本杀是一种多角色扮演侦探游戏，玩家...
谷歌具身智能新研究：比RT-2优秀的RT-H来了
谷歌DeepMind的RT系列机器人在具身智能研究中取得了显著进展。RT-2是全球首个控制机器人的视觉-语言-动作（VLA）模型，能够通过对话识别图像并执行任务。现在...
教授何恺明在MIT的第一堂课
这篇文章报道了麻省理工学院（MIT）计算机视觉课《Advances in Computer Vision》6.8300 在 2024 新学期的盛况，教室座无虚虚，吸引了众多学生。其中，新晋教...
奥特曼重返OpenAI董事会：看完3万份文件，调查组认定了
模型信息 【模型公司】 OpenAI 【模型名称】 gpt-3.5-turbo-0125 【摘要评分】 ★★☆☆☆ 文章摘要 【关 键 词】 OpenAI、调查结果、管理层、变...
ICLR 2024 Spotlight | 大语言模型权重、激活的全方位低bit可微量化，已集成进商用APP
摘要：本文介绍了一种名为OmniQuant的新型大语言模型（LLM）量化算法。该算法由上海人工智能实验室、香港大学和香港中文大学的研究者共同提出，旨在解决大语...
全面超越ViT，美团、浙大等提出视觉任务统一架构VisionLLAMA
机器之心专栏机器之心编辑部近期报道了Meta开源的LLaMA架构在大型语言模型(LLM)中的成功应用，以及最新研究成果VisionLLaMA的进展。VisionLLaMA是一种旨在实...
Midjourney封禁Stability AI：恶意爬取数据，致服务器瘫痪24小时
在最近的报道中，AI 图像生成公司 Midjourney 和 Stability AI 之间发生了一起引人注目的事件。据爆料者透露，Midjourney 的服务器在上周六凌晨遭受了来自 St...
