本文介绍了一个基于场景和手写文本的基准测试和两个数据集。利用原始、损坏和辅助图像，全局结构引导扩散模型（GSDM）利用文本结构有效恢复清晰文本。该技术在识别准确度和图像质量方面显示出显著的改进。

Weaver是一系列专门用于讲述故事的模型。最大的模型（34B参数）在故事讲述基准测试中表现优于GPT-4。

Llava是一种视觉语言模型，最新版本为1.6，经过改进后，其OCR、推理和世界知识等方面有了很大提升，甚至在某些任务上可以与Gemini相媲美。Llava团队计划发布数据、代码和模型，以便更多人能够使用。

1月份微软研究论坛上，Dipendra Misra提出了一种名为“Layer-Selective Rank Reduction（LASER）”的技术，通过用一个较小的近似矩阵替换权重矩阵，提高了大型语言模型（LLM）的准确性。

AI社区因HuggingFace和4chan分享的一个名为“miqu-1-70b”的泄漏大型语言模型而感到兴奋。该模型表现出能与OpenAI的GPT-4相媲美的性能，并与Mistral的Mixtral 8x7b有关。Mistral的CEO确认这是一位热情的客户泄露的，这...

Interop项目旨在通过鼓励浏览器引擎团队深入研究各种Web技术及其在不同浏览器之间的兼容性，从而提高互操作性。该项目目前已经得到了Mozilla、Google、Microsoft等公司的支持。Interop项目的最终目标是将不同浏览器...

有人声称，PDF 文件的最大尺寸是 381 公里 x 381 公里，这完全是错误的 - 文件大小没有固定的限制。

谷歌似乎要完全放弃“Bard”品牌，并全面转向“Gemini”。本周早些时候，Bard的所有电话体验都更名为“Gemini”。 现在，移动设备和Web上的应用程序都显示“Bard现在是Gemini”。Bard由Gemini Pro提供支持，这是谷歌最新的AI...