搜索
扩散模型风头正盛，何恺明最新论文也与此相关。 研究的是如何把扩散模型和表征学习联系起来—— 给扩散模型加上“整理收纳”功能，使其内部特征更加有序，从而生成效果更加自然逼真的图片。
6月10日，AI制药上市公司Recursion宣布裁员20%，就在不久前，公司称要精简部分药物管线，在研发上更加聚焦。
6月6日，麻省理工学院与Recursion共同宣布推出一款突破性的AI+药物研发模型Boltz-2，用于预测药物靶标 3D 结构，以及结合亲和力。
2025 年 5 月，美国加州大学河滨分校 (UC Riverside) 与宾夕法尼亚州立大学 (Penn State University) 联合团队在机器人领域顶级会议 ICRA 2025 上发布最新研究成果 LaMMA-P。
为了解决视频编辑模型缺乏训练数据的问题，本文作者（来自香港中文大学、香港理工大学、清华大学等高校和云天励飞）提出了一个名为 Señorita-2M 的数据集。该数据集包含 200 万高质量的视频编辑对，囊括了 18 种视频编辑任务。
Maitrix.org 是由 UC San Diego, John Hopkins University, CMU， MBZUAI 等学术机构学者组成的开源组织，致力于发展大语言模型 (LLM)、世界模型 (World Model)、智能体模型 (Agent Model) 的技术以构建 AI 驱动的现实。
在当今这个智能化迅猛发展的时代，人工智能（AI）监测工具已悄然渗透到职场的各个角落，成为雇主们提升生产力的新宠。它们被赋予了革命性的任务：通过精密的数据追踪和分析，优化员工的工作表现。然而，常春藤联盟之一、世界领先的学术教育机构康奈尔大学 (Cornell University) 最新发布的研究却揭示了一个令人意外的现象：这些被寄予厚望的工具，实际上可能会削弱生产力，甚至引发员工的大规模离职。
2024年3月14日，拜耳与德国Aignostics GmbH宣布将就几项应用于精准肿瘤药物研发的人工智能方法展开战略合作。Aignostics是世界一流医院柏林夏里特大学（Charité-Universitätsmedizin Berlin）的衍生公司，也是利用计算病理学将复杂的生物医学数据转化为生物学见解的全球领先企业。
今天介绍一篇密歇根州立大学 (Michigan State University) 和劳伦斯・利弗莫尔国家实验室（Lawrence Livermore National Laboratory）的一篇关于零阶优化深度学习框架的文章 ，本文被 ICLR 2024 接收，代码已开源。
主题驱动的文本到图像生成，通常需要在多张包含该主题（如人物、风格）的数据集上进行训练，这类方法中的代表工作包括 DreamBooth、Textual Inversion、LoRAs 等，但这类方案因为需要更新整个网络或较长时间的定制化训练，往往无法很有效地兼容社区已有的模型，并无法在真实场景中快速且低成本应用。