标签：编码器

丰色 发自 凹非寺量子位 | 公众号 QbitAI陈丹琦团队刚刚发布了一种新的LLM上下文窗口扩展方法： 它仅用8k大小的token文档进行训练，就能将Llama-2窗口扩展至1...

新智元报道编辑：桃子 【新智元导读】谷歌团队推出「通用视觉编码器」VideoPrism，在3600万高质量视频字幕对和5.82亿个视频剪辑的数据集上完成了训练，性能刷...

Neural Network Diffusion，开始用魔法打败魔法了。作者丨赖文昕 编辑丨郭思、陈彩娴 说起扩散模型生成的东西，你会立刻想到什么？ 是OpenAI的经典牛油果椅子...

智猩猩和智东西发起主办的2024中国生成式AI大会将于4月18-19日在北京举办。主会场将进行开幕式、大模型专场、AI基础软件专场和AIGC应用专场；分会场将进行具...

新智元报道编辑：润 【新智元导读】香港一家跨国公司员工，被骗子邀请进了用Deepfake做的「高管视频会议」中，下令让他转了2亿港币到不知名中账户，5天之后才...

夕小瑶科技说 原创作者 | 小戏、Python在大规模语言模型（LLMs）通往通用人工智能（AGI）的道路中，从传统的单一的“语言模态”扩展到“图像”、“语音”等等的“多...

机器之心报道 编辑：Panda去噪扩散模型（DDM）是当前图像生成技术的一大主流方法。近日，Xinlei Chen、Zhuang Liu、谢赛宁与何恺明四人团队对 DDM 进行了解构...

编辑部 发自 凹非寺量子位 | 公众号 QbitAICV大神何恺明，也来搞扩散模型（Diffusion Model）了！ 大神最新论文刚刚挂上arXiv，还是热乎的：解构扩散模型，提...

腾讯PCG ARC实验室 投稿量子位 | 公众号 QbitAI能处理音乐的多模态大模型，终于出现了！ 只见它准确分析出音乐的旋律、节奏，还有使用的乐器，甚至其中的意境...

1月17日晚7点，智猩猩推出「多模态大模型线上闭门会」。本次闭门会由阿里巴巴通义实验室 NLP 高级算法专家严明参与出品，并聚焦于大语言模型工具调用 Control...

在过去的一年里，基于大语言模型LLM的音乐AIGC技术蓬勃发展，为LLM的下游应用注入了新的活力。 本研究成果M2UGen致力于将LLM和音乐理解与音乐生成技术相结合...

直播预告 | 今晚7点，「AI新青年讲座」232讲正式开讲，清华大学在读博士刘世隆主讲《LLaVA-Plus：学习使用视觉工具插件的多模态智能体》，欢迎扫码报名。http...

机器之心专栏 机器之心编辑部在这篇 NeurIPS23 论文中，来自鲁汶大学、新加坡国立大学和中科院自动化所的研究者提出了一种视觉 「读脑术」，能够从人类的大脑...

机器之心报道编辑：陈萍、蛋酱对于 2023 年的计算机视觉领域来说，「」（Segment Anything Model）是备受关注的一项研究进展。Meta四月份发布的「分割一切模...

新智元报道编辑：好困【新智元导读】Meta谷歌接连放出重磅成果！Meta开源无缝交流语音翻译模型，谷歌放出无监督语音翻译重大突破Translation 3。就在Meta AI...