Cola是一个使用大型语言模型来协调各种视觉语言模型（VLM）以改进视觉推理的系统。该代码库已经在GitHub上发布。

OpenAI计划推出重大更新，以帮助开发者更加经济快速地创建基于人工智能的应用。这些更新包括增加内存存储和新的视觉能力，这些能力将大大降低开发成本。这些改进预计将在OpenAI首次开发者大会上宣布。

斯坦福、麻省理工和普林斯顿的一组研究人员开发了一个透明度指数，用于评估商业基础模型的透明度水平。这个指数被称为基础模型透明度指数（FMTI），评估了透明度的100个不同方面，结果表明，在主要的基础模型公司中...

DALLE-3图像生成模型的质量提升的主要驱动力之一是改进后的数据质量。通过使用内部模型进行标题上采样来实现。这里提供了一个使用强大的开源模型进行实现的GitHub开源库。

近日，impaction.ai公司推出了一款新产品，旨在为对话式人工智能（AI）产品提供分析服务。该产品采用最先进的技术，可以对许多不同类型的对话式AI产品进行分析，包括智能客服、语音助手和聊天机器人等。通过对产品的...

DALLE-3研究论文揭示了其惊人性能的主要成分，包括合成标题生成器、改进的潜在扩散建模以及提升的忠实度、风格和连贯性测量方法。DALLE-3是一种生成式模型，具有非常出色的生成图像的能力，其原理是通过大量的图像和...

这项研究介绍了Zipformer，一种用于自动语音识别（ASR）的改进Transformer模型，它更快、占用更少内存，而且比广泛使用的Conformer效果更好。Zipformer是一种新型的语音识别模型，它使用了一种全新的架构，能够更快...

本研究介绍了LLM4SGG弱监督场景图生成方法，该方法利用大型语言模型的能力，从图像标题中更好地提取和对齐关系，解决了图像标题中捕获详细关系和利用所有可用信息的挑战。

近日，HuggingFace diffusers轻量快速推理引擎在GitHub上线。该引擎通过许多小改进，实现了大幅提升推理速度的目标，声称每秒可达60步，比原来的23步快了许多。该引擎在自然语言处理任务中表现优异，受到了许多开发...

一项新的研究介绍了一种结合不同时间的数字地形模型（DSM）数据和航拍图像的方法，以改进超越2D视角的变化检测。