来自上海人工智能实验室、浙江大学和香港中文大学的研究人员推出新型的三维场景理解模型——Grounded 3D-LLM（Grounded 3D Large Language Model）。这个模型旨在通过结合三维视觉和语言模型，来处理和理解复杂的三维 ...... 阅读全文

来自深圳大学计算机科学与软件工程学院、腾讯AI实验室、 武汉大学和西交利物浦人工智能与先进计算学院的研究人员推出ChatFlow，这是一种成本效益的方式训练大型语言模型（LLMs），特别是针对中文这样的非英语语言。 ...... 阅读全文

由IBM Research AI和其他合作机构共同开发的一套大语言模型INDUS，这些模型专门为科学应用而设计，能够处理地球科学、生物学、物理学、太阳物理学、行星科学和天体物理学等领域的专业任务。 主题介绍： 想象一下，你 ...... 阅读全文

Two Platforms推出多语言大语言模型（LLM）架构SUTRA，它能够理解、推理并用超过50种语言生成文本。SUTRA的设计独特之处在于它将核心概念理解与语言特定处理分离开来，这有助于实现可扩展和高效的多语言对齐和学习。 ...... 阅读全文

腾讯推出全面基准测试Plot2Code，它是为了评估多模态大语言模型（MLLMs）在将科学图表转换为可执行代码方面的能力而设计的。MLLMs在视觉领域的应用取得了显著进展，但它们在将视觉图表转换为代码方面的能力尚未得到 ...... 阅读全文

SambaNova推出新型AI加速器SambaNova SN40L，它通过采用数据流架构和专家组合（Composition of Experts，简称CoE）的方法，有效扩展了AI的内存容量。这种加速器旨在解决大型单一AI模型（如GPT-4）在训练、服务和维护 ...... 阅读全文

Adobe Research推出LogoMotion，它是一个基于大语言模型（LLM）的方法，能够自动为静态布局生成动画。这个过程是内容感知的，意味着动画的生成会考虑到布局中的视觉内容和结构。LogoMotion通过两个阶段来实现：视觉 ...... 阅读全文

微软推出大型信息丰富的网络数据集MS MARCO Web Search，它包含了数百万真实点击的查询-文档标签。这个数据集是首次尝试，旨在模拟现实世界中的网页文档和查询分布，为各种类型的下游任务提供丰富的信息，并鼓励在多 ...... 阅读全文

这篇论文的主题是关于构建视觉-语言模型（Vision-Language Models，简称VLMs）。这类模型结合了图像处理和自然语言处理的能力，能够理解图像内容并根据图像内容生成文字描述，或者根据文字描述找到相关的图像。论文 ...... 阅读全文

浙江大学和字节跳动的研究人员推出新颖框架Coin3D，它用于生成可控且交互式的3D资产。Coin3D的核心思想是使用由基本形状（如球体、立方体、圆柱体等）组成的粗糙代理（proxy）来引导3D对象的生成，从而实现对生成过 ...... 阅读全文

亚马逊AWS推出新型大型多模态语言模型SpeechVerse，它能够理解和执行自然语言指令，处理各种语音相关的任务。SpeechVerse通过结合预训练的语音和文本基础模型，并在学习过程中保持这些模型的参数固定，实现了这一功 ...... 阅读全文

亚马逊AWS发布论文探讨集成语音和大语言模型（SLMs）的安全性和鲁棒性。SLMs是一类能够遵循语音指令并生成相关文本回答的AI系统，它们在最近变得越来越流行。然而，这些模型的安全防护和抵御恶意攻击的能力还不是很 ...... 阅读全文