加州大学圣地亚哥分校、Adobe Research的研究人员推出一种用于加速音乐生成的新技术Presto!，Presto!通过减少采样步骤和每个步骤的成本，来加速基于分数的扩散变换器（一种生成音乐的模型）的推理过程。例如，你是一 ...... 阅读全文

加州大学戴维斯分校、弗吉尼亚理工大学、香港中文大学、英伟达、Adobe Research 、复旦大学和Meta AI的研究人员推出一种新型大型视频语言模型Grounded-VideoLLM。这个模型特别擅长于理解视频中的精细时刻，并能够推 ...... 阅读全文

麻省理工学院媒体实验室、KASIKORN 实验室、哈佛大学和加利福尼亚大学安德森管理学院的研究人员推出创新项目Future You，它是一个互动聊天平台，使用人工智能技术帮助用户与他们的“未来自我”进行对话。这个平台旨在 ...... 阅读全文

苹果推出新型多模态大语言模型MM1.5，它是为了提升对包含丰富文本的图像理解、视觉指代和定位以及多图像推理的能力而设计的。简单来说，MM1.5就像一个超级聪明的助手，它可以阅读和理解图片中的文字，告诉你图片里发 ...... 阅读全文

美国东北大学和Anthropic的研究人员发布论文，论文的主题是关于如何从语言模型中“抹去”特定概念的知识。想象一下，如果我们有一个人工智能助手，它在回答有关生物武器的问题时，我们并不希望它使用其在训练数据中学 ...... 阅读全文

斯坦福大学推出了一个名为Tutor CoPilot的系统，它是一个人工智能辅助工具，旨在通过提供专家级的指导来帮助教育工作者，特别是那些经验不足的教师或家教，以提高他们的教学质量。Tutor CoPilot通过分析教学互动的实 ...... 阅读全文

清华大学和XM资本的研究人员推出新框架MIGA，它是为了提高股票市场预测的准确性而设计的。简单来说，MIGA通过组合多个专家模型（Experts）来预测股票价格的未来走势，并且能够根据不同类型的股票动态选择最合适的专 ...... 阅读全文

MAUM.AI和延世大学的研究人员推出了一个名为CANVAS的系统，它是一个让机器人能够理解人类导航指令并据此行动的框架。想象一下，如果你告诉机器人“走到大厅另一边的桌子那里”，CANVAS能够让机器人理解这样抽象的指令 ...... 阅读全文

清华大学交叉信息科学研究院、加州大学圣地亚哥分校、上海交通大学、麻省理工学院 CSAIL的研究人员推出了一个名为GenSim2的框架，它是一个用于机器人模拟的数据生成系统。GenSim2利用了多模态和推理能力的大语言模型 ...... 阅读全文

以色列理工学院和谷歌的研究人员推出一个名为NL-EYE的基准测试，它是为了评估视觉语言模型（VLMs）在图像上进行推理的能力而设计的。例如，一个基于VLM的机器人检测到地板湿了，它是否会警告我们小心滑倒？这就是NL- ...... 阅读全文

新加坡国立大学和亚马逊的研究人员推出新型多模态大语言模型VideoLISA，它专为视频领域内基于语言指令的推理分割任务而设计。VideoLISA结合了大型语言模型的推理能力和对世界知识的掌握，并借助Segment Anything Mod ...... 阅读全文

穆罕默德·本·扎耶德人工智能大学和电子科技大学的研究人员推出TPI-LLM，这是一个为了在资源受限的边缘设备上高效运行大语言模型（LLMs）而设计的推理系统。随着技术的发展，人们越来越关注将这些强大的模型从云端转 ...... 阅读全文