搜索
DeepMind最近的研究提出了一种新框架AligNet，通过模拟人类判断来训练教师模型，并将类人结构迁移到预训练的视觉基础模型中，从而提高模型在多种任务上的表现，增强了模型的泛化性和鲁棒性，为实现更类人的人工智能系统铺平了道路。
北大校友打造的1000个智能体「我的世界」，火爆AI圈！
《西部世界》即将到来？
在我的世界里，出现了有史以来第一个智能体文明。1000多个智能体一同协作，在虚拟世界中构建起，自己的经济、文化、宗教和政府。网友纷纷惊呼，西部世界真的来了。
斯坦福和NYU的研究者发现，GPT-4这样的「AI人」，可以被用来复制社会科学实验了。调查了1万个AI，结果比真人还真？
在技术发展和用户需求的双重驱动下，大量AI虚拟角色对话类产品接连出现，如Character.ai、Glow等。大语言模型使AI能够更好地理解和模拟人类情感，提供更自然、个性化的交互体验，同时又能赋予现实生活中不存在的角色以“灵魂”，让许多动漫、影视中的角色“活过来”，满足用户情感互动与内容娱乐消费的诉求。
近日，来自佐治亚理工学院的研究人员开发了RTNet，首次表明其「思考方式」与人类非常相似。
为了实现高精度的区域级多模态理解，本文提出了一种动态分辨率方案来模拟人类视觉认知系统。
当前，多模态大模型 （MLLM）在多项视觉任务上展现出了强大的认知理解能力。 然而大部分多模态大模型局限于单向的图像理解，难以将理解的内容映射回图像上。 比如，模型能轻易说出图中有哪些物体，但无法将物体在图中准确标识出来。 定位能力的缺失直接限制了多模态大模型在图像编辑，自动驾驶，机器人控制等下游领域的应用。针对这一问题，港大和字节跳动商业化团队的研究人员提出了一种新范式Groma
【新智元导读】OpenAI机器人理解力虽强，却无法进行非语言交流。最近，哥伦比亚大学华人团队打造了全新的机器人Emo，不仅可以提前预测和模拟人类表情，还可以进行眼神交流。