V*是一种新的基于图像的搜索算法，可以显著提高GPT-V（和其他VLM）验证码识别性能。这项技术的开发者表示，V*可以通过大量的图像数据来训练模型，从而提高模型的精度。V*算法的另一个优点是它可以将不同的图像元素组...

Facebook发布了一组工具、资源和示例，用于使用Llama模型系列。该工具集可帮助深度学习从业人员更高效地进行模型训练和应用。Llama模型系列由Facebook AI Research开发，已被广泛用于计算机视觉领域。这个工具集将包...

据悉，人工智能初创公司Anthropic计划进行一轮7.5亿美元的融资，该轮融资由Menlo Ventures领投，估值预计为150亿美元。Anthropic是一家致力于开发人工智能技术的公司，其技术可应用于语音识别、自然语言处理、计算机...

领先的创始人和风投投资者谈论人工智能的发展现状，从LLMs的应用到企业创新。如果“你应该了解的关于人工智能的事情”节奏有点令人不知所措，那么这是一个不错的快速回顾。人工智能正在成为越来越多行业的关键技术之一...

现代大多数扩散模型都使用了注意力机制，但并非所有模型都如此。最近，对状态空间的兴趣浪潮已经传到了扩散模型中，这为理论加速和有趣的应用开辟了道路。扩散模型是一种机器学习模型，用于对自然界中的信号进行建模...

科学家们开发出一种新方法，使用生成扩散技术创建代理数据集，这种数据集具有更好的代表性和更多样化，同时需要的计算资源更少。这种方法可以通过在代理数据集中训练神经网络来提高模型的性能。这种方法可以降低计算...

该团队创建了一个新的面向视觉的RISC-V硬件，并训练了一个超小的YOLO计算机视觉模型，实现了低功耗和极低延迟的实时物体检测。该技术可广泛应用于智能眼镜、自动驾驶、智能家居等领域。

OpenAI正在开发GPT-5，并寻求微软公司的额外资金支持。OpenAI是由伊隆·马斯克和其他硅谷执行人员创立的非营利组织，旨在推动开放式AI研究。该组织计划在未来几年内推出更多的AI技术，包括在自然语言处理、计算机视觉...

Roboflow是一个计算机视觉工具包，通过可组合的代码片段使应用程序开发更加容易。现在，随着GPT-4 Vision进入OpenAI API，Roboflow团队已经制作了一些演示，展示如何与segment anything和DINO一起使用它。

CogVLM-17B是一个开放式的视觉语言模型，具有100亿视觉参数和70亿语言参数。该模型在许多标准基准测试中表现出色，并在人类评估中表现良好。CogVLM-17B的性能优于以往的模型，将为计算机视觉和自然语言处理领域的发...