本报告评估了GPT-4V在自主驾驶中的应用，重点关注其在场景理解、决策制定和实时响应方面的能力。GPT-4V是一种基于视觉语言模型的人工智能技术，能够自动识别和理解图像中的物体、道路、标志和其他要素，并作出相应的...

在深度学习领域中，视觉语言模型（VLM）越来越受到重视。由于Embedding as a Service Vision-Language Pre-Trained Models（VLPM）中的预训练模型包含了大量的视觉和语言信息，因此这种模型很容易成为恶意攻击的目标...

LLaVa模型是一个开源模型，结合了语言和视觉。这个新版本允许使用图像编辑、生成等工具来进行指导，调整模型。LLaVa Plus模型提供了更高的精度和更好的性能。

近日，研究人员开源了一个名为Dual-Guided Spatial-Channel-Temporal（DG-SCT）的新型注意力机制，可用于增强预先训练的音频-视频模型，以用于多模态任务。该机制具有两个分支，一个是空间通道分支，另一个是时间分...

Figma将AI辅助功能引入FigJam，其数字白板工具，以简化和增强设计协作。像源自于AI项目Jambot的实用性增强功能，可帮助用户在虚拟画布上更有效地协作。Figma的目标是通过利用机器学习能力来扩大对各种用户需求的适用...

MLPerf是一个标准的机器学习性能基准测试，可以准确显示平台和模型在实际环境中的表现。最新的MLPerf Training v3.1展示了H100在绝对性能方面的惊人表现，但在比较每花费一美元的时间性能时，Intel仍然占据着优势。

自动驾驶汽车的地标匹配是一项重要的技术，其能力直接关系到自动驾驶汽车的定位和导航精度。近日，研究人员提出了一种名为RobustMat的新方法，通过使用空间信息和神经微分方程，改进了自动驾驶汽车在不同条件下匹配...

英国AI公司Luminance开发了一款自主谈判合同的AI系统，旨在通过处理例行谈判来简化律师的工作量。这是人工智能首次成功地代表人类完成了合同谈判。该系统利用机器学习和自然语言处理技术，能够快速分析合同条款并提...