我们推出了一种多模式视觉提示跟踪模型，通过动态利用各种模态（如RGB和红外线）的优势，克服了单模式物体跟踪的局限性。该模型可适应各种环境下的跟踪任务，具有较高的跟踪精度和鲁棒性。

一家名为whiterabbitneo的新公司，这个名字是对电影矩阵的一个引用，已经发布了一个包含13B参数的语言模型，旨在为攻击和防御网络安全提供帮助。它经过训练，可以回答关于计算机安全的问题并提供相关信息。

AI法律初创公司Harvey AI利用OpenAI技术开发的一种法律服务，已经获得了另一轮融资，其估值超过7亿美元。该初创公司使用OpenAI构建基础模型，用于法律和法律实践应用。

Mamba的创建者（以及许多其他模型）发布了一篇很专业的博客文章，概述了基本的序列混合架构，相对于标准Transformer，可以获得相当大的速度提升。该团队的新模型使用了这种混合方法，并且获得了非常好的性能。这种新...

在机器学习中，形状错误是一种难以调试的问题，通常只有在运行模型时才能发现。通过将形状检查作为类型，您可以消除大部分这种挑战，并更快地开发。Jaxtyping 是一个库，它使用 JAX 的类型系统来提供形状检查，从而...

Google的Big Vision项目是一个研究和生产最先进的视觉系统的重要工具库。最近，他们添加了权重分片，使得在多节点系统上的训练更加容易。这个新功能可以将模型分成多个子模型，分别在不同的节点上进行训练，最后再将...

最近的一项研究表明，与解码器相比，使用UNet编码器在扩散模型中表现更加稳定。这一发现导致了一种新的编码器传播方案，显著加快了文本到图像和文本到视频生成等任务的速度。该研究成果已在GitHub上发布。

Amphion是一款新的媒体生成工具包，支持音乐和语音，并且团队正在努力添加更多的模型。该工具包基于开源技术，可自由使用和修改。