由于室外数据的复杂性和空白性，真实世界的室外环境一直是3D场景生成中被忽视的挑战。SemCity通过专注于真实世界的室外环境，彻底颠覆了3D场景生成，实现了真实的室外场景生成。SemCity通过3D扩散模型，将真实世界的...

MoAI是一种新型的大型语言和视觉模型，它通过整合专门的计算机视觉任务的辅助视觉信息来增强当前模型。该模型在 GitHub 上发布，旨在改善自然语言处理和计算机视觉任务之间的互动。MoAI使用了一种新的训练方法，可以...

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...

Midjourney指控Stability AI员工滥用机器人网络进行数据抓取，导致系统故障。Midjourney是一家提供稳定性和性能监测的公司，其服务在网站和应用程序上检查错误和延迟。Stability AI是一家机器学习和人工智能启动公司...

最新的研究表明，新型Stealing Stable Diffusion (SSD)技术能够提高单目深度估计在低光或雨天等恶劣环境下的准确性。该技术通过稳定扩散过程，克服了在这些条件下深度估计的挑战，同时能够提供更好的细节捕捉和更精...

微软即将于3月21日公开展示Surface Pro 10和Surface Laptop 6，这两款电脑将配备最新的神经处理单元，可提升人工智能能力。这些电脑将由英特尔的第11代酷睿处理器提供动力，其内置的AI引擎可提供更快的AI处理速度和...

本文介绍了元启发式算法，这是一种强大的工具，可用于改善大型语言模型中的prompt学习。元启发式算法是一组多样化的超过100种离散优化方法，可以大大提高大型语言模型的效率和性能。

谷歌即将推出的 Pixel 9 将搭载 Tensor G4 芯片，该芯片设计用于更好的散热和电源管理。虽然 G4 提供了适度的性能提升，但 G5 芯片预计将进一步提高 Pixel 10 系列的硬件和软件整合。

近代LML中常用的多头注意力模块的不同实现之间的速度存在近10倍的差异。本笔记本展示了其中几个实现，并对其性能进行了基准测试。

Co-LLM推出了一种新方法，可以让大型语言模型协作，逐标记生成文本。这种策略允许模型利用其独特的优势和专业知识来完成各种任务，从而在遵循指令、特定领域问题和推理挑战等方面提高性能。