华中科技大学、华为公司和上海交通大学人工智能研究院的研究人员推出新型框架GaussianDreamerPro，它能够将文本转换成高质量的3D高斯资产（3D Gaussian assets），这些资产可以用于游戏、电影、扩展现实（XR）等行业。GaussianDreamerPro的核心思想是将高斯（Gaussians）与... 阅读全文

上海交通大学、清华大学、微软研究院和香港中文大学的研究人员推出一种新型的知识蒸馏（Knowledge Distillation, KD）方法，称为直接偏好知识蒸馏（Direct Preference Knowledge Distillation, DPKD），专门为大型语言模型（Large Language Model... 阅读全文

石溪大学和威斯康星大学麦迪逊分校的研究人员推出新框架LLaRA（Large Language and Robotics Assistant），它将大语言模型（LLMs）的广泛世界知识和强大的推理能力应用于机器人学习领域。LLaRA框架的核心思想是将机器人的动作策略制定过程转化为一种对话形式，通过训练，使得模型能够根据视... 阅读全文

腾讯西雅图人工智能实验室推出一种新颖的、由角色驱动的数据合成方法，该方法利用大语言模型（LLM）中的多种视角来创建多样化的合成数据。研究人员推出了一个名为“Persona Hub”的系统，它自动从网络数据中整理出10亿个不同的角色（约占世界总人口的13%）。这些角色作为世界知识的分布式载体，能够触及LLM中包含的几乎所... 阅读全文

深圳市大数据研究院、香港中文大学（深圳）和国家健康数据研究院（深圳）的研究人员推出多模态大语言模型HuatuoGPT-Vision，它专门设计用来处理医学视觉知识，并将其注入到现有的多模态大型语言模型中。简单来说，HuatuoGPT-Vision就像是一个学习了大量医学图像和文本资料的智能助手，它能理解医学图像的内容，... 阅读全文

EverythingToolbar 是一款可以将 Everything 无缝集成到 Windows 10/11 开始菜单的小工具，用来替代系统搜索按钮，让你拥有秒级文件搜索工具。确保是 Windows 10 或 11，并且 Everything ≥ 1.4.1 在运行，安装后打开 C:\Program Files (x... 阅读全文

在数字化时代，信息的获取与传递日益依赖于视觉内容。介绍一款革新工具——Describe Picture，它利用先进的AI技术，为图片理解与应用带来全新维度。通过这个平台，用户能轻松上载图片，并通过一个智能化的聊天界面，实现图片内容的全方位互动，包括但不限于生成描述、总结、翻译以及精准识别图片文本。更令人兴奋的是，它能立... 阅读全文

Ummy是一款简便易用的在线视频下载工具，专为帮助用户下载网络视频而设计。它支持多样化的分辨率和格式选项，操作过程相当直观：只需复制视频页面链接并粘贴到Ummy网站，随后从中选择你偏好的保存格式即可，其使用体验与其他常规视频下载工具相似。 Ummy涵盖了广泛的网络平台，其中包括YouTube、Facebook、Inst... 阅读全文

在今日的百度WAVE SUMMIT深度学习开发者大会上，百度推出了其智能代码助手——文心快码（Baidu Comate）。这一工具基于百度的文心大模型，结合了百度多年积累的编程数据和开源数据，旨在通过"帮你想、帮你写、帮你改"的方式，提升编程效率和质量。 产品优势： 更懂研发知识：加速开发速度。 更懂研发全流程：加快业... 阅读全文

知乎，中国领先的问答社区，今天宣布正式发布其全新的AI产品——“知乎直答”。这标志着知乎在AI搜索领域的功能正式产品化，并拥有了自己的独立域名和服务入口。用户现在可以通过「zhida.ai」域名在PC端体验这一服务。 “知乎直答”利用知乎平台丰富的真实问答数据，通过AI技术为用户提供两种答案生成方式：“简略”和“深入”... 阅读全文

米兰比可卡大学和格罗宁根大学的研究人员推出Dyn（动态激活组合，Dynamic Activation Composition），用于在生成过程中动态调整一个或多个属性的引导强度。如何有效地控制和引导大型语言模型（LLMs）的生成过程，以确保输出符合特定的属性要求，同时保持语言的流畅性。通过这种方式，Dyn方法能够在确保... 阅读全文

复旦大学和新加坡国立大学的研究人员推出跨模态基准测试SIUO，如何确保当人工智能（尤其是具有视觉和语言能力的大模型，即LVLMs）在处理跨模态（例如图像和文本）输入时，其输出是安全和符合道德的。随着人工智能在人类生活中越来越普及，这项研究的重要性日益凸显。 项目主页：https://sinwang20.github.i... 阅读全文