这篇论文介绍了一个名为Direct Preference Optimization (DPO) 的新技术，它旨在提升大型多模态模型（LMMs）在处理视频指令跟随任务时的表现。想象一下，你正在观看一个教学视频，而一个AI模型需要根据视频内容回答 ...... 阅读全文

OpenAI，这家引领人工智能潮流的公司，今日宣布了一项激动人心的消息：ChatGPT现已支持无需创建账户即可立即使用！是的，您没听错，无需繁琐的注册流程，即可轻松体验这一人工智能界的“黑马”。 无论是想要学习新知识 ...... 阅读全文

苹果发布论文的主题是“ReALM: Reference Resolution As Language Modeling”，即“作为语言建模的参考解析”。参考解析是一个理解语言中指代问题的重要任务，它帮助系统理解句子中的“它”或“那个”指的是什么。这对于虚拟 ...... 阅读全文

这篇论文介绍了一个名为“Unsolvable Problem Detection (UPD)”的新挑战，主要针对视觉语言模型（Vision Language Models，简称VLMs）。视觉语言模型是一种人工智能技术，它能够理解和解释图像和文本之间的关系。想象 ...... 阅读全文

来自布里斯托大学、谷歌和英伟达的研究人员推出Tactile-Informed 3DGS，它结合了视觉数据和触觉传感信息，用于重建复杂表面的3D模型并进行新视角的合成。这项技术特别适用于处理具有光泽和反射性的表面，因为传统的3 ...... 阅读全文

A21推出新型大型语言模型Jamba，它基于一种创新的混合架构，结合了Transformer和Mamba（一种状态空间模型）以及专家混合（Mixture-of-Experts，MoE）技术。Jamba的设计旨在充分利用这三种技术的优势，以提高性能、提 ...... 阅读全文

Google DeepMind推出新型文本嵌入模型Gecko，它的设计目的是从大语言模型（LLMs）中提取知识，以提高文本检索的性能。文本嵌入模型可以将文本数据转换为密集的向量形式，这样语义上相似的文本在嵌入空间中就会彼此靠 ...... 阅读全文

华为推出新型高效大语言模型DiJiang，DiJiang的核心目标是减少传统Transformer模型在处理长序列数据时所需的计算资源。Transformer模型在自然语言处理（NLP）领域取得了巨大成功，但其注意力机制（attention mechani ...... 阅读全文

这篇论文介绍了一种名为MambaMixer的新型深度学习架构，它专门设计用于高效处理长序列数据。MambaMixer的核心特点是它能够在数据中选择性地混合（mix）和过滤（filter）信息，无论是在时间序列还是图像数据中。这种 ...... 阅读全文

OPPO发布推出Transformer-Lite，探讨如何在智能手机上高效部署大语言模型（LLM）。大语言模型是一种人工智能技术，广泛应用于智能助手、文本摘要、翻译和多模态任务等。然而，由于这些模型通常需要大量的计算能力和 ...... 阅读全文

谷歌发布论文的主题是关于语言模型如何记忆和复述其训练数据中的整段文本。具体来说，研究者们探索了语言模型在处理和记忆长文本段落时的内部机制和权重分布。他们发现，尽管记忆过程涉及模型的多个层级和组件，但记 ...... 阅读全文

阿里推出视觉识别统一框架OMNIPARSER，它能够处理文本识别、关键信息提取和表格识别等任务，OmniParser是阿里读光项目的一部分，目标让AI在阅读、思考和创造上超越人类。想象一下，你有一个扫描的文档或者一张包含文 ...... 阅读全文