来自英特尔实验室和微软亚洲的研究人员推出交互式工具LVLM-Interpret，它旨在帮助人们更好地理解和解释大型视觉-语言模型（LVLM）的内部工作机制。想象一下，你正在使用一个能够同时处理图像和文本的智能系统，你可 ...... 阅读全文

来自阿卜杜拉国王科技大学和哈佛大学推出多模态大语言模型MiniGPT4-Video，它专门设计用于视频理解，它通过结合视觉和文本数据，能够有效地理解和回应视频中的信息，为视频内容的智能分析和交互提供了新的可能性。想 ...... 阅读全文

来自微软、 东京大学、浙江大学、中国科学技术大学、香港中文大学和香港中文大学（深圳）的研究人员推出新型文本到语音（TTS）合成方法RALL-E，它通过改进语音的音调和时长预测，以及增强模型对音素的关注，从而生成 ...... 阅读全文

Cohere推出了大型语言模型Command R+。专为企业级工作负载设计，优化了高级检索增强生成(RAG)功能，以减少错误生成，并支持10种关键语言的多语言覆盖。 以下是官方介绍全文翻译： Command R+是一款经过RAG优化的尖端 ...... 阅读全文

无需复杂的设置，无需GPT/OpenAI账户，Elmo就能为您带来全新的网页浏览体验。作为您的人工智能网页助手，Elmo帮助您轻松创建摘要、洞察知识，并扩展您的认知边界。 摘要功能：Elmo 可让您即时将网站内容浓缩成简洁的 ...... 阅读全文

Kimi 阅读助手是一款基于 Kimi的浏览器插件，可进行文章总结、翻译等操作。     ...... 阅读全文

阿里推出新型3D场景编辑框架Freditor，它通过频率分解技术实现了高保真度和可迁移性的NeRF（Neural Radiance Fields，神经辐射场）编辑。想象一下，你有一张3D渲染的日落场景图片，想要将其编辑成夜晚的样子，同时保 ...... 阅读全文

亚马逊AWS发布论文探讨了基于扩散的文本到图像生成（Text-to-Image, T2I）模型的可扩展性。扩散模型是一种通过逐步去噪来生成图像的深度学习技术。论文的主要目的是理解如何有效地扩展这些模型以提高性能，同时降低 ...... 阅读全文

谷歌推出新型的基于Transformer的语言模型“Mixture-of-Depths”（MoD），它能够动态地在模型的不同层之间分配计算资源。传统的变换器模型在处理输入序列时，对每个标记（token）都均匀地分配计算资源。然而，并非所有 ...... 阅读全文

来自韩国的研究人员推出新型框架THINK-AND-EXECUTE，旨在提高大语言模型（LLMs）在算法推理任务上的表现。算法推理是指理解问题背后的复杂模式，并将其分解为一系列推理步骤以找到解决方案的能力。这种能力对于语言 ...... 阅读全文

智谱AI推出ChatGLM-Math，提升大语言模型（LLMs）在解决数学问题方面的能力。想象一下，你有一个超级聪明的机器人助手，它可以和人类一样理解和使用语言，但是当你给它一些数学题目时，它却常常束手无策或者给出错误 ...... 阅读全文

元象发布XVERSE-MoE-A4.2B大模型 ，采用业界最前沿的混合专家模型架构，激活参数4.2B，效果即可达到13B模型水准。据介绍，XVERSE-MoE-A4.2B实现了极致压缩，相比XVERSE-13B-2仅用30%计算量，并减少50%训练时间。在多 ...... 阅读全文