搜索
2023年，被全球咨询巨头麦肯锡称为“生成式AI的爆发之年”。这一年里，AIGC技术快速发展，越来越多的AI工具如雨后春笋般涌现，使得AI在各行各业的深度应用成为可能。
2023 年，是机器学习和人工智能发展最为迅速的一年，这里分享 10 篇最值得关注的论文。
大模型没有壁垒，结合多年深耕的场景和数据处理技术才是王道。
前不久，OpenAI“煞有其事”地像谷歌、苹果那样办了第一场较为正式的“开发者大会”。从大会透露的信息来看，大模型的下一站很明确——想搞钱，得教人“玩”大模型了，拉更多的人来做大大模型市场的蛋糕。
2024年了，被寄予厚望的AI Agent，到底是谁在用啊？！
一级市场，要被AI彻底颠覆了？找项目不用靠投资经理，AI可以代替了。 EQT靠AI挖水下项目，成绩不俗，已经完成了15笔交易，其中2笔交易估值超10亿美元，妥妥独角兽级别，还有1笔已经被收购。
在过去短短两年内，随着诸如 LAION-5B 等大规模图文数据集的开放，Stable Diffusion、DALL-E 2、ControlNet、Composer ，效果惊人的图片生成方法层出不穷。图片生成领域可谓狂飙突进。
同济大学王昊奋研究员团队联合复旦大学熊赟教授团队发布检索增强生成（RAG）综述，从核心范式，关键技术到未来发展趋势对 RAG 进行了全面梳理。这份工作为研究人员绘制了一幅清晰的 RAG 技术发展蓝图，指出了未来的研究探索方向。
语言模型究竟是如何感知时间的？如何利用语言模型对时间的感知来更好地控制输出甚至了解我们的大脑？最近，来自华盛顿大学和艾伦人工智能研究所的一项研究提供了一些见解。
谷歌新设计的一种图像生成模型已经能做到这一点了！通过引入指令微调技术，多模态大模型可以根据文本指令描述的目标和多张参考图像准确生成新图像，效果堪比 PS 大神抓着你的手助你 P 图。
琳琅满目的乐高积木，通过一块又一块的叠加，可以创造出各种栩栩如生的人物、景观等，不同的乐高作品相互组合，又能为爱好者带来新的创意。
爆火的斯坦福全能家务机器人Mobile ALOHA，大！翻！！车！！！你以为它擦个红酒轻而易举，但实际上却是这样的：
AIGC在商业界中，最大的一笔回报是多少？答案可能是：一张图片，500元。
一句话定位视频片段
解决扩散模型「不识字」的问题，Textdiffuser采用两阶段（布局+图像）生成框架，显著提升了相关性能的指标！
最近，来自NUS、斯坦福、谷歌DeepMind等机构的研究人员，尝试开发了一个评估人类和AI的创造力的框架。而当人类用尽所有手段来逼迫AI把创造力发挥到极限，发现GPT-4几乎对于所有事物认知的极限都是无尽的宇宙空间。
在 AI 领域，近年来各个子领域都逐渐向 transformer 架构靠拢，只有文生图和文生视频一直以 diffusion + u-net 结构作为主流方向。diffusion 有更公开可用的开源模型，消耗的计算资源也更少。
“发光的水母从海洋中慢慢升起，”在 Morph Studio 中继续输入想看到的景象，“在夜空中变成闪闪发光的星座”。
进入现今的大模型 (LLM) 时代，又有研究者发现了左右互搏的精妙用法！近日，加利福尼亚大学洛杉矶分校的顾全全团队提出了一种新方法 SPIN（Self-Play Fine-Tuning），可不使用额外微调数据，仅靠自我博弈就能大幅提升 LLM 的能力。
这篇论文介绍了一项新的任务 —— 指向性遥感图像分割（RRSIS），以及一种新的方法 —— 旋转多尺度交互网络（RMSIN）。
1月5日，近300名从各地赶来昆明抚仙湖的代理商，愣是被主办方按着头，听了将近6个小时有关人工智能+教育主题的演讲。
AI手机，距离取代传统手机不远了。
AI成为科技“春晚”的主旋律2024年CES将在1月9日到1月12日如期而至，届时全球科技巨头齐聚，共商揭晓未来科技风向。各大芯片、手机、PC、汽车等企业将展示引领潮流的创新技术。
Perplexity AI做的是全球首个AI加持的对话式应答引擎，公司成立一年半，月活用户已达1000万。
几乎是和斯坦福“炒虾洗碗”机器人同一时间，谷歌DeepMind也发布了最新具身智能成果。
大模型元年里，哪怕是跑在趋势最前沿的基座模型厂商，都难逃算力焦虑。
「GPT商店」即将在下周上线了。OpenAI开发者们已经迫不及待，等着赚取第一桶金了。
自从一年多之前，OpenAI推出ChatGPT之后，科技行业掀起了一股生成式AI热潮，谷歌、微软、Meta等诸多巨头快速跟进，纷纷推出了各自的大模型和具体应用：加入生成式AI功能，带来全新的产品体验。
“AI视频的Midjourney V5时刻就要到了”，即将迎来成为生产力的关键时刻。
