近日，OpenAI疑似意外发布了一篇博客文章，该文章被Bing和DuckDuckGo索引后迅速被撤下。文章似乎是关于GPT-4.5 Turbo的公告，这是一个新的模型，其速度、准确性和可扩展性均超越了GPT-4 Turbo。缓存的描述中提到了20...

近日，一项名为ViT-CoMer的神经网络模型问世，增强了Vision Transformers（ViT）在密集预测任务中的表现，而无需预训练。这项研究由卡内基梅隆大学的学者领导，他们在GitHub上公开了相关代码和数据集。ViT-CoMer能够...

近日，Skyvern项目在GitHub上发布，该项目利用LLMs和计算机视觉技术自动化浏览器流程。Skyvern提供了一个简单的API端点，可以完全自动化手动工作流程，替代脆弱或不可靠的自动化解决方案。其实现原理是利用LLMs提供...

这项工作表明，您可以单独训练模型，然后将它们合并成单个Mixture-of-Experts模型。

谷歌DeepMind的SIMA是一个通用的AI代理，可在各种电子游戏环境中遵循自然语言指令。它标志着将AI系统变得更加多才多艺、可指导的转变。此前，AI系统只能在特定的环境中工作，现在SIMA可以在多种环境下工作，这是一项...

该项目提出了一种改善大型视觉语言模型（例如LLaVA-1.5、QwenVL-Chat和Video-LLaVA）效率的方法，解决了“低效的注意力”问题。使用FastV这种新方法，通过修剪视觉令牌和学习自适应注意力模式来优化这些模型，从而显著...

这个项目引入了一种新颖的方法，通过单个图像生成高质量、详细的3D物体，增强了3D物体的生成。该方法基于视频扩散模型，利用深度学习技术从单个视角的2D图像生成高质量的3D模型。此方法可应用于各种领域，如游戏制作...

物理智能公司（Pi）已经从隐蔽状态中浮出水面，获得了7000万美元的种子融资。该公司由一群知名的机器人和人工智能专家创立，旨在开发基础模型和学习算法，为各种机器人和具有物理驱动装置的设备提供动力。