清华大学知识工程组（KEG）与智谱AI联合推出的CogView 4最新一代生成式图像模型近日在Hugging Face平台正式发布。作为采用宽松许可协议的开源项目，该模型在图像质量、生成效率和多模态理解等核心指标上显著超越当前...

近日，一款专注于ML训练的OCR pipeline技术引发业界关注。该工具创新性地支持表格、图表、数学公式等复杂结构的识别，并具备多语言处理能力，为机器学习数据预处理提供了高效解决方案。其核心优势在于通过优化的算法...

谷歌近日发布了Gemma 3模型的权重和技术报告，这一模型共有四种规模，其性能与Gemini 1.5 Pro相当。Gemma 3不仅在多语言处理上表现出色，能够理解超过140种语言，还被认为是接近当前最先进的密集模型之一。这一发布...

近日，Qwen团队发布了Qwen 2.5 VL技术报告，详细介绍了其最新研发的视觉语言模型。该模型被誉为目前最强的开源权重视觉语言模型，具备卓越的多模态处理能力，能够高效地理解和生成图像与文本的结合内容。Qwen 2.5 VL...

PaliGemma是一款基于SigLIP和Gemma 2B的强大视觉语言模型。这份技术报告详细阐述了在构建PaliGemma过程中的架构选择和数据收集方面所做的决策。SigLIP和Gemma 2B的结合使得PaliGemma在视觉语言建模方面展现出卓越性...

高盛最近发布了一份题为《Gen AI: Too Much Spend, Too Little Benefit?》的31页的重要报告，该报告主张生成式AI的生产力益处和回报显著有限，而且其电力需求将极大地增加公共设施的开支。报告显著地对AI是否能够改...

谷歌近日发布了最新模型Gemini 1.5的技术报告。报告详细介绍了此次升级的主要内容和改进之处，但并未透露过多关于模型或所使用数据的信息。然而，报告中对评估和安全措施的详尽描述，让我们得以深入了解大规模对齐的...

斯坦福大学最新的一份报告跟踪了全球的人工智能趋势。报告通过13张图表全面展示了人工智能的现状，深入剖析了目前AI技术的发展趋势，涵盖了各种AI应用场景和技术挑战。该报告不仅对AI行业进行了全面的梳理，更是提供...