腾讯今日正式推出了基于混元大模型的全新AI助手App——“腾讯元宝”。这款应用集AI搜索、AI总结、AI写作等功能于一身，致力于为用户提供前所未有的智能体验。腾讯元宝的亮点在于其卓越的解析能力。无论是微信公众号链接、网址，还是PDF、Word、txt等格式文档，它都能一次性进行深度解析。超长的上下文窗口设计，让复杂信息... 阅读全文

M3U8 是一种流行的视频格式，它支持多种视频分辨率，能够根据用户的网络环境自动适配，以提供流畅的观看体验。因此，许多视频网站选择采用 M3U8 作为其视频格式。对于 M3U8 视频的嗅探，在众多的嗅探工具中，"猫抓" 插件因其出色的性能和易用性而广受好评。 飞鸟 M3U8 视频下载工具 飞鸟 M3U8 视频下载工具是... 阅读全文

Stacher是一款免费且功能强大的跨平台网络视频下载工具，它支持Windows、macOS和Linux系统，基于知名的开源方案yt-dlp（由youtube-dl分支）开发，拥有图形化界面，使得视频下载变得更加便捷。 易于使用的图形化界面：与yt-dlp命令行工具相比，Stacher的图形化操作界面大大降低了使用门槛... 阅读全文

Gallery-Portfolio 是一个简单的 摄影作品展示站，你只需要将图片存放在免费的 Cloudflare R2 上（或其他支持 AWS S3 的对象存储），即可在这里展现你的精选图片。在这里你可以通过 瀑布流 的形式浏览图片，也可以 点开大图 ，查看光圈 / 快门 / ISO 等 EXIF 信息。网站基于 N... 阅读全文

图小小（Pic Smaller）是一款开源的图片压缩工具，它提供了一种简单易用的方式来批量处理图片文件和文件夹。这款工具支持多种图片格式，包括JPEG、PNG、WEBP、AVIF、SVG和GIF，能够满足不同用户的需求。 开源与技术亮点 开源项目：图小小的源代码是开放的，这意味着任何人都可以查看、修改或贡献代码。 现代... 阅读全文

这篇论文的主题是关于一种新型的深度学习模型参数预测方法，称为LOGAH（Low-rank GrAph Hypernetworks），它用于初始化大型深度学习模型，特别是拥有数亿参数的Transformer模型，如视觉Transformer（ViT）和生成式预训练Transformer（GPT-2）。这种方法旨在帮助研究... 阅读全文

威斯康星大学麦迪逊分校和微软的研究人员推出大型多模态模型M3（Matryoshka Multimodal Models）。这种模型的设计灵感来源于俄罗斯套娃（Matryoshka Dolls），它能够将视觉内容表示为嵌套的视觉标记（tokens），这些标记在不同的粗糙到精细的粒度级别上捕捉信息。例如，你正在开发一个自动... 阅读全文

麻省理工学院推出新技术Trans-LoRA，它是一种用于大语言模型（LLMs）的参数高效微调（PEFT）方法。Trans-LoRA的核心目标是在不访问原始训练数据的情况下，实现低秩适配器（LoRA）模型在不同基础模型之间的无损转移。这项技术为大型模型的迁移和微调提供了一种高效、实用且几乎不需要数据的方法，极大地方便了模... 阅读全文

这篇论文的主题是介绍和探讨视觉-语言模型（Vision-Language Models，简称VLMs）。这类模型旨在将视觉信息（如图像）与语言信息（如文字描述）结合起来，以实现更丰富的人工智能应用。简单来说，VLMs就是教会计算机如何“看图说话”和“按文索骥”。 主要功能： 图像与文本的联合表示： VLMs能够理解图像... 阅读全文

香港大学和清华大学的研究人员推出新框架Part123，它能够从单视图图像中重建出具有结构意义的部分（part-aware）的3D模型。Part123利用了扩散模型（diffusion models）生成多视图一致的图像，并结合了Segment Anything Model（SAM），这是一个强大的通用图像分割模型，能够... 阅读全文

Zyphra推出新型人工智能语言模型Zamba，Zamba是一个7亿参数（7B SSM）的混合模型，它结合了SSM（State Space Model，状态空间模型）和Transformer的特点，旨在提供与大型开放模型相媲美的性能，同时在参数成本上保持较低的水平。论文还讨论了Zamba与其他模型的比较，以及它在不同基... 阅读全文

马里兰大学、劳伦斯利弗莫尔国家实验室、蒂宾根埃利斯研究所、马克斯·普朗克智能系统研究所、图宾根人工智能中心和卡内基梅隆大学的研究人员发布论文，论文的主题是关于如何让一种名为“Transformer”的人工智能模型更好地执行数学运算，特别是大数字的加法。Transformer模型在处理语言和生成代码方面已经取得了很大进步... 阅读全文