最新研究发现，当前广泛应用的CLIP（Contrastive Language-Image Pretraining）多模态模型存在严重的安全隐患。根据arXiv最新论文披露，攻击者通过数据投毒（poisoning）方式植入后门，仅需污染0.5%的训练数据即可实...

近日，一项名为Test-Time Visual In-Context Tuning（TT-VICT）的创新性研究在计算机视觉领域引发广泛关注。该技术突破性地提出仅利用测试样本即可实现视觉上下文学习模型（VICL）的自适应调优，有效解决了传统方法...

SISO（Single Image Iterative Subject-driven Generation and Editing）是一种无需训练的推理时优化方法，能够从单张图像中个性化生成或编辑图像内容。该技术通过高效的优化算法，直接在推理阶段实现对图像主体的个...

最新发布的视频修复模型VideoPainter，通过高效结合背景信息，能够处理任意长度的视频。该模型使用了专用的数据集和基准进行训练和评估，不仅在基础修复任务上表现出色，还展现了在高级视频处理和生成相关训练数据方...

近期，技术界对o1、o3以及Sonnet 3.7的集体幻觉现象展开了深入讨论。这一现象不仅引发了广泛关注，还促使研究人员重新审视这些技术的潜在问题。o1、o3和Sonnet 3.7作为当前领先的技术模型，其表现出的幻觉行为可能对...

近日，Open Reasoner Zero项目在GitHub上正式发布，该项目旨在复现零推理（Zero Reasoning）范式，并提供了完整的开源资源，包括训练数据、脚本和模型权重。零推理是一种新兴的人工智能推理方法，旨在通过简化推理过...

DeepMind近期在视觉语言模型（VLM）预训练领域取得了重大突破，将训练数据规模提升至前所未有的1000亿张图像。这一规模远超以往尝试，显著提升了模型在多样化全球任务中的表现。尽管在西方中心化任务上的性能已趋于...

2024年对于LLM（大型语言模型）而言是充满突破的一年。在这一年中，我们学到了关于LLMs的许多新知识，这不仅推动了人工智能的发展，也为未来的技术应用奠定了基础。首先，我们发现LLMs的参数规模和训练数据量显著增...