这篇论文的主题是关于如何高效地训练能够理解和处理视觉丰富文档（Visually Rich Documents，简称VRD）的语言模型。VRD是指那些结合了视觉元素（如字体大小、颜色、布局等）和语言信息来传递内容的文档，比如发票、 ...... 阅读全文

微软发布新型语音大型语言模型WavLLM，它旨在提高语言模型在处理和理解语音方面的性能。WavLLM通过结合两个编码器（Whisper和WavLM）来分别处理语音的语义内容和说话者的身份特征。该模型采用分阶段的课程学习方法， ...... 阅读全文

来自滑铁卢大学、卡内基·梅隆大学和Vector Institute探讨了大语言模型（LLMs）在处理长篇幅上下文学习任务时的表现。研究者们发现，尽管LLMs在处理短上下文任务时表现出色，但当上下文长度增加时，它们的性能会显著 ...... 阅读全文

英特尔推出多模态基础模型（MMFM）套件LLaVA-Gemma，它利用了最近发布的Gemma系列大语言模型（LLMs）。特别是2B参数的Gemma模型，为构建能力强大的小型多模态基础模型提供了机会。LLaVA-Gemma模型在多种评估中表现中 ...... 阅读全文

来自清华大学、伊利诺伊大学香槟分校、美国东北大学、ModelBest、中国人民大学、北京邮电大学和腾讯的研究人员推出新型大语言模型（LLM）套件EURUS，它专门针对推理任务进行了优化。这些模型在数学、代码生成和逻辑 ...... 阅读全文

这篇论文探讨了大语言模型（LLMs）在化学科学领域的应用潜力。LLMs是一类强大的人工智能工具，它们通过分析大量文本数据来理解和生成人类语言。在化学领域，这些模型可以用来预测化学物质的性质、优化化学反应过程， ...... 阅读全文

来自微软研究院、UT 奥斯汀分校和北京大学的研究人员推出LLM-ABR，利用大语言模型（LLMs）来设计适应不同网络特性的自适应比特率（ABR）算法。简单来说，就是通过智能系统自动调整视频流的清晰度，以适应观众的网络 ...... 阅读全文

来自谷歌和约翰霍普金斯大学的研究人员探讨了潜在扩散模型（Latent Diffusion Models，简称LDMs）的扩展特性，特别关注了它们在采样效率方面的表现。潜在扩散模型是一种用于生成图像的深度学习模型，可以通过文本描 ...... 阅读全文

来自芬兰的研究人员推出大型多语言模型Poro 34B，它是为了解决小语种语言模型训练数据不足的问题而设计的。Poro 34B是一个拥有340亿参数的模型，它在芬兰语、英语和编程语言的数据上进行了训练，总共使用了一万亿个 ...... 阅读全文

斯坦福大学的研究人员推出新型在设备语言模型Octopus v2，它是为了在智能代理中实现自动化工作流程而设计的。这个模型特别适用于在智能手机、汽车、虚拟现实头盔和个人电脑等边缘设备上运行，以提供快速、准确的AI代 ...... 阅读全文

NAVER Cloud的HyperCLOVA X团队开发的大语言模型HyperCLOVA X，这个模型专门针对韩语和韩国文化进行了优化，并且在处理英语、数学和编程数据方面也具有很强的能力。HyperCLOVA X通过结合高质量的人类注释数据进行指 ...... 阅读全文

yft-design是一款美观且功能强大的在线设计工具，具备海报设计和图片编辑功能，基于Canvas的开源版【稿定设计】。适用于多种场景，如海报生成、电商产品图制作、文章长图设计、视频/公众号封面编辑等 。 （国内）Dem ...... 阅读全文