Rabbit R1是一款亮橙色的AI对讲机。它只有一个大按钮，用户按下即可通话，一个粗壮的滚轮可以浏览屏幕，还有一个旋转的摄像头，带有自己的隐私门。这款设备售价199美元，可以编程用于控制应用程序和网站。本文讲述了...

一项新研究揭示了多模态大型语言模型（MLLMs）如GPT-4V的一个弱点：它们难以处理特定类型的图像-文本输入，从而导致错误。CorrelationQA是一个基准测试，旨在评估MLLM在图像可能会误导或与文本相矛盾的情况下的表现...

近期，人工智能研究的重点从单纯的准确性和广度转向了效率和深度。英伟达的H100销售和AI能源的不断增长凸显了该行业的规模。投资要求盈利，将研究重点转向了像Phi 2这样更小、更高效的模型，并强调从模型架构到部署...

Google提出了一种新颖的提示技术，允许语言模型使用一组推理基元来发现更大的问题特定推理框架。这意味着模型可以选择不同的模块并将它们组合起来以更好地解决复杂问题。这个代码库是这些想法的一个非官方实现。

MobileVLM V2是一系列为移动设备量身打造的先进视觉语言模型，通过创新的架构展示了显著的性能提升。新的MobileVLM V2拥有更快的推理速度，更高的准确性和更广泛的应用场景。MobileVLM V2不仅支持图像和文本之间的交...

目标检测是识别物体及其边界框的过程。通常只能为训练前选择的一组固定物体进行检测。本研究介绍了一种实时方法，可以进行开放词汇目标检测，这意味着它可以检测任何在运行时指定的物体组合的边界框。该方法使用了一...

Google的MusicLM团队使用了300k份反馈和其他奖励信号，在其音乐生成模型上运行了RL过程。他们发现该模型在人类偏好研究中表现优异，但尚不清楚哪种RL方法能产生最高保真度的输出。

这篇论文重新审视了经典的高斯判别分析（GDA）算法，以改善CLIP在图像分类任务中的性能，而不需要额外的训练或资源。GDA算法通过增加一个基于贝叶斯公式的先验，实现了对输入向量的加权处理，从而有效地降低了噪声对...