随着最近发布的优秀Zephyr语言模型，HuggingFace团队展示了如何在少数强大的预训练开源模型基础上训练个性化模型。HuggingFace对齐手册提供了一系列对齐技术的详细解释，并介绍了如何在不同任务上使用预训练模型。此...

随着强大的新视觉模型的出现，许多团队正在尝试构建使用视觉与Web元素交互的代理程序。Tarsier工具包介绍了一套标准工具（例如元素标记），您可以使用任何视觉系统来理解网页并执行操作。它还包括用于非视觉语言模型...

音频超分辨率是提高任何音频的质量和保真度的过程，无论是真实的还是合成的。大多数超分辨率系统都是针对特定任务而设计的，单个模型仅针对单个音频数据类型进行训练（如语音与音乐）。这项新工作是一个惊人的进步，...

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...

OpenGPTs是一项旨在创建类似于OpenAI's GPTs的技术的仓库。它允许开发人员配置超过60个LLMs，提示，超过100个工具，向量数据库，检索算法和聊天历史数据库。该项目使用LangChain，LangServe和LangSmith。OpenGPTs的...

GitHub上有一个新的工具——LongQLoRA，它可以让LLMs（语言模型）理解更长的序列。LLMs已经在自然语言处理方面取得了很大的成功，但它们的上下文理解能力有限。长序列的理解也是LLMs的一个挑战。LongQLoRA通过对序列切...

Punica是一个开源的Python库，旨在降低使用LoRA精细调整模型的成本。LoRA是一种用于低功耗、远距离通信的无线电调制技术。在使用LoRA进行通信时，需要对模型进行精细调整以获得最佳性能。Punica可以同时运行多个精细...

Audiocraft MusicGen是一款强大的将文本转化为音乐的人工智能模型。最新升级的版本现在支持立体声生成，通过巧妙地交叉使用左右声道进行微调，提高了整体音乐体验。虽然这一升级并没有提高基准分数，但它能够更好地...

受 Actor 框架的启发，这个轻量级的 Python 库使得创建基于 LLM 动力的代理变得非常容易。Langroid 多智能体编程框架（Langroid multi-agent programming framework）最近发布了他们的 GitHub Repo，使得该项目的开...

OVIR-3D是一项创新技术，可以通过2D图像融合实现从文本提示中检索3D对象，无需3D数据训练，从而实现即时实时搜索功能，非常适合机器人应用。该技术的最新成果是在GitHub上发布了代码库，使更多开发者可以在其应用中...