AMBER是一个新的基准，旨在评估和降低多模式大型语言模型（MLLM）中的幻觉，而不依赖其他高级语言模型。该项目已经发布开源库，旨在帮助研究者和开发人员更好地理解和应对多模式语言模型的幻觉问题。

MonoDiffusion是一种新的自监督单目深度估计框架，其独特的方法将深度估计问题视为迭代去噪过程。它利用预训练的教师模型指导伪地面真值扩散过程，从而提高深度图精度，无需在训练中使用实际的深度真值。

当新的模型拥有惊人的性能时，人们往往会质疑它们是否真的是在验证数据或基准测试上得到了训练。去污是从输入中删除此类测试数据的过程。LMSYS团队发现，如果你重新表述测试数据，使其通过去污，但仍包含关于基准测...

Nous研究推出了一款非常强大的34B模型，其建立在双语Yi模型的基础上。Capybara主要通过多轮数据进行训练，每次对话中的令牌数超过1000个，这使得它在处理信息密度较高的某些用户界面任务时具有独特的优势。

在OpenAI的DevDay上，微软宣布计划在年底在Azure OpenAI服务上提供新的GPT-4 Turbo，提供更低成本的增强控制和效率。 OpenAI的自定义模型计划将与微软的生态系统无缝集成，提高企业的人工智能能力。

You.com已经推出了一系列API，价格从每月100美元起，使得像Meta的Llama 2这样的大型语言模型可以访问最新的互联网数据，并通过网络搜索和新闻功能提供增强的答案准确性。这些API有助于LLMs从更广泛的数据来源中汲取...

据Retool发布的最新AI报告显示，随着生成式AI对商业的影响日益增长，MongoDB Atlas Vector Search在向量数据库中的受欢迎程度排名第一，这对于增强生产力和客户体验的AI应用程序至关重要。然而，在AI采用方面仍存在...

您需要更多的计算能力(和选择)来微调您的生成式人工智能吗？使用实践教程和实际代码样例学习✔️。通过不同的硬件配置评估性能和加速度✔️。构建异构应用程序，开发自己的原型，并对AI工作负载进行基准测试。从免费层开...