11.11云上盛惠!海量產(chǎn)品 · 輕松上云!云服務(wù)器首年1.8折起,買1年送3個(gè)月!超值優(yōu)惠,性能穩(wěn)定,讓您的云端之旅更加暢享??靵眚v訊云選購吧!
基于transformer架構(gòu)的大型語言模型已經(jīng)嶄露頭角。Chat-GPT和LLaMA-2等模型展示了LLMs參數(shù)的迅速增加,從幾十億到數(shù)萬億。當(dāng)資源受限或需要實(shí)時(shí)應(yīng)用時(shí),BiTA的可調(diào)提示設(shè)計(jì)使其成為一種可插即用的方法,可用于加速任何公開可用的LLMs。
GoogleResearch和MITCSAIL共同推出了一項(xiàng)名為SynCLR的新型人工智能方法,該方法旨在通過使用合成圖像和字幕,實(shí)現(xiàn)對視覺表征的學(xué)習(xí),擺脫對真實(shí)數(shù)據(jù)的依賴。SynCLR的工作原理研究團(tuán)隊(duì)首先提出了一個(gè)三階段的方法。這些改進(jìn)有望進(jìn)一步提升合成數(shù)據(jù)在訓(xùn)練人工智能模型中的效果。
微軟公司的研究團(tuán)隊(duì)最近提出了一種獨(dú)特且簡單的方法,用于生成高質(zhì)量的文本嵌入。這種新方法僅使用合成數(shù)據(jù)和極少的訓(xùn)練步驟,就取得了令人矚目的成果。該研究的訓(xùn)練過程極大地減少了對中間預(yù)訓(xùn)練的需求,相較于當(dāng)前的多階段系統(tǒng),更加簡潔高效。
圖像修復(fù)一直是一個(gè)備受研究者關(guān)注的復(fù)雜挑戰(zhàn),其主要目標(biāo)是在維持降質(zhì)輸入的感知質(zhì)量的同時(shí),創(chuàng)建視覺上吸引人且自然的圖像。在沒有有關(guān)主題或降質(zhì)的信息的情況下,了解自然圖像范圍至關(guān)重要。該方法對不同類型的降解是不可知的,并在保持身份的同時(shí)提供一致的恢復(fù)。
在最新的研究中,卡內(nèi)基梅隆大學(xué)和馬克斯·普朗克智能系統(tǒng)研究所的研究人員共同發(fā)布了一項(xiàng)名為WHAM的創(chuàng)新性AI方法。這一方法在精準(zhǔn)性和效率方面實(shí)現(xiàn)了從視頻中準(zhǔn)確估計(jì)3D人體運(yùn)動(dòng)的突破。8.通過深入的剖析研究,驗(yàn)證了該方法的準(zhǔn)確性。
斯坦福大學(xué)與FAIRMeta的研究人員合作開發(fā)的CHOIS系統(tǒng),通過引入基于語言描述、初始狀態(tài)和稀疏對象航點(diǎn)的方法,成功解決了在3D場景中生成對象和人物同步運(yùn)動(dòng)的難題。該系統(tǒng)通過在指定的3D環(huán)境中產(chǎn)生逼真且可控的運(yùn)動(dòng),控制了人物與對象之間的交互。將學(xué)到的交互模塊應(yīng)用于基于3D場景對象航點(diǎn)生成長期交互也將拓展CHOIS的適用性。
慕尼黑工業(yè)大學(xué)和SnapResearch的研究團(tuán)隊(duì)提出了一種名為SceneTex的全新AI方法,旨在解決室內(nèi)場景紋理生成中的挑戰(zhàn),實(shí)現(xiàn)高質(zhì)量、風(fēng)格一致的3D內(nèi)容合成。盡管3D幾何建模取得了長足進(jìn)步,但創(chuàng)建物品外觀或紋理仍然需要大量人工勞動(dòng),尤其是使用諸如Blender等3D建模程序。該研究為未來實(shí)現(xiàn)更先進(jìn)的3D內(nèi)容生成和應(yīng)用提供了有力支持,為行業(yè)發(fā)展開辟了新的方向。
芝加哥大學(xué)的研究人員與SnapResearch合作,推出了一種名為3D畫筆的人工智能方法,通過文本描述自動(dòng)生成網(wǎng)格上的局部語義區(qū)域的紋理。這一創(chuàng)新使得用戶可以通過直觀的、自由形式的文本輸入控制紋理編輯,為各種網(wǎng)格描述其編輯。這一研究為3D建模和紋理編輯領(lǐng)域帶來了新的可能性,為游戲、動(dòng)畫、電影等各個(gè)行業(yè)提供了更加高效和直觀的紋理編輯工具。
大型語言模型因其在文本生成、語言理解和文本摘要等各種任務(wù)中的卓越性能備受矚目,但它們龐大的模型參數(shù)卻需要大量內(nèi)存和專用硬件,這使得部署這些模型變得相當(dāng)具有挑戰(zhàn)性。為了降低推斷所需的計(jì)算功率,研究人員通常采用權(quán)重量化等方法,即減少人工神經(jīng)網(wǎng)絡(luò)的權(quán)重和激活函數(shù)的精度。還有進(jìn)一步改進(jìn)的空間,研究人員計(jì)劃推動(dòng)在個(gè)人計(jì)算機(jī)上實(shí)現(xiàn)生成式人工智能,以滿足對人工智能生成內(nèi)容不斷增長的需求。
在人工智能領(lǐng)域,開發(fā)人員和用戶一直面臨一個(gè)挑戰(zhàn),那就是需要更加定制和細(xì)致的大型語言模型響應(yīng)。雖然這些模型,比如Llama2,可以生成類似人類的文本,但它們通常需要提供真正針對個(gè)體用戶獨(dú)特需求的答案。開發(fā)人員現(xiàn)在有機(jī)會訪問代碼,并使用HuggingFace等平臺上提供的自定義的13BLlama2模型來嘗試這一技術(shù)。