东京大学的研究人员推出MaGRITTe，它可以根据用户提供的部分图像、顶视图布局信息和文本提示来控制和生成3D场景。想象一下，你有一个不完整的图片，比如一张桌子的角落，还有一些关于房间布局的文字描述，比如“有一个窗户和水槽的厨房”。MaGRITTe能够结合这些信息生成一个完整的3D厨房模型，包括所有的细节和布局。 主要... 阅读全文

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关于视频的问题。这项技术可以帮助AI更准确地理解视频内容，并提供更相关、更准确... 阅读全文

由瑞典工作室Landfall Games发行的多人合作恐怖探索游戏《Content Warning》今日在Steam正式发售。令人惊喜的是，游戏上市第一天即推出24小时限时免费活动，并收获了压倒性的好评。而限免并非好评的唯一理由，游戏本身的趣味性和创新性同样令人称道。 对于玩过《致命公司（Lethal Company）... 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、寻找创意灵感，还是解答日常生活中的疑问，ChatGPT都能为您提供智能化的帮助。现在，只需打开chat... 阅读全文

「免费文字转语音」是一款方便易用的线上服务，能够将文本内容转换为逼真的语音输出。该服务采用微软的AI语音库，合成出接近真人声音的音调，让文本内容更生动、更具表现力。该服务支持多达129种语言，并提供了超过330种神经网络语音选择，使得全世界各种语言用户都能轻松使用。不仅如此，「免费文字转语音」还具备语音合成标记语言（S... 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。这对于虚拟助手来说尤其重要，因为它们需要理解用户的指令和问题，并且能够根据... 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。想象一下，你有一个问题，比如“图片中的物体是什么颜色的？”而V... 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3D重建方法在处理这类表面时往往会遇到困难。例如，想象一个考古学家正在研究一件古老的金属制品，他们... 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、提升吞吐量，并保持较低的内存占用。例如，想象一个场景，用户需要一个AI助... 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近。这种模型广泛应用于文档检索、句子相似性比较、分类和聚类等任务。例如，假设用户在搜索引擎中输入... 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 mechanism）需要大量的计算资源，尤其是在处理大量参数的大型语言模型时。... 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。这种选择性的能力是通过所谓的“双选择机制”实现的，即同时在数据的“tokens”（类似于序列中的... 阅读全文