谷歌和伊利诺伊大学香槟分校的研究人员推出IllumiNeRF，它能够在不需要复杂的逆向渲染过程的情况下，实现对3D物体的重新照明。简单来说，这项技术可以让我们对一个物体在不同光照条件下的样子进行高质量的3D重建，并 ...... 阅读全文

上海交通大学、 北京航空航天大学和小红书公司推出高质量视频-文本数据集Vript以及基于该数据集训练出的视频字幕生成模型Vriptor。Vript数据集包含12K高分辨率视频，这些视频被精心注释，提供了详细、密集且类似剧本 ...... 阅读全文

谷歌推出大语言模型Tx-LLM，它是专门为药物治疗领域设计的。例如，科学家想要发现一种新药来治疗糖尿病，他们可以使用Tx-LLM来分析不同的化合物，预测它们与糖尿病相关蛋白的结合强度，从而筛选出最有希望的候选药物 ...... 阅读全文

佐治亚理工学院 和Google DeepMind的研究人员推出ShiftAddLLM，它通过后训练的位移加法重参数化技术来加速预训练的大语言模型（LLMs）。这种方法旨在解决大语言模型在部署到资源受限设备时所面临的挑战，如高内存需 ...... 阅读全文

华盛顿大学、 Meta AI和艾伦人工智能研究所的研究人员推出多步推理语言代理HUSKY，它是一个统一的、开源的语言模型，能够处理涉及数值、表格和基于知识的复杂推理任务。HUSKY通过迭代地生成和执行行动来解决给定的任 ...... 阅读全文

Snap推出新型三维重建方法GTR（Geometry and Texture Refinement），GTR旨在从多视角图像中生成高质量的3D网格模型，其特别关注于几何形状和纹理细节的精细化。例如，你是一名游戏开发者，需要将一些2D概念艺术转换 ...... 阅读全文

华盛顿大学、康奈尔大学、 Google Research和加州大学伯克利分校的研究人员推出ExtraNeRF，它用于扩展神经辐射场（Neural Radiance Fields, NeRF）的视图范围，特别是当只有少数输入视图可用时。NeRF是一种能够从一 ...... 阅读全文

南开大学和旷视科技的研究人员推出新技术LE3D（Lighting Every Darkness with 3DGS），它是用来快速训练和实时渲染高动态范围（HDR）视图合成的。例如，你用手机在夜晚或者光线复杂的地方拍照，通常照片可能会过暗或 ...... 阅读全文

由Google开发并集成在Gboard键盘中的新功能Proofread，Proofread利用了大语言模型的强大能力，以一种创新的方式改善了用户的打字体验。具体来说，Proofread能够通过简单的一次点击，实现句子级和段落级的文本纠错。 ...... 阅读全文

阿里巴巴推出一个名为C4的通信驱动方法，用于提升大规模并行训练的效率。在大语言模型（LLMs）的训练过程中，为了处理庞大的数据和计算需求，通常需要使用成千上万的GPU进行并行训练。然而，现有的并行训练技术存在 ...... 阅读全文

Meta Reality Labs、香港科技大学和香港科技大学（广州）的研究人员推出新基准测试CRAG（Comprehensive RAG Benchmark），它是专门为评估和提升检索增强型生成（Retrieval-Augmented Generation，简称RAG）系统在处 ...... 阅读全文

艾伦人工智能研究所和华盛顿大学的研究人员推出评估框架WildBench，它专门用来测试和比较大语言模型在处理现实世界中用户提出的复杂查询方面的能力。论文还讨论了WildBench与传统评估方法相比的优势，例如它如何通过 ...... 阅读全文