AI资讯新闻榜单内容搜索-Al

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: Al
mini-GPT4o来了? 能看、能听、会说,还情感丰富的多模态全能助手EMOVA

mini-GPT4o来了? 能看、能听、会说,还情感丰富的多模态全能助手EMOVA

mini-GPT4o来了? 能看、能听、会说,还情感丰富的多模态全能助手EMOVA

EMOVA(EMotionally Omni-present Voice Assistant),一个能够同时处理图像、文本和语音模态,能看、能听、会说的多模态全能助手,并通过情感控制,拥有更加人性化的交流能力。

来自主题: AI资讯
3824 点击    2024-10-02 11:17
深度|Sam Altman:新系统是一个重要的新范式的开端,AI发展的进程不仅没有变慢,反而将在未来几年迎来爆炸式增长

深度|Sam Altman:新系统是一个重要的新范式的开端,AI发展的进程不仅没有变慢,反而将在未来几年迎来爆炸式增长

深度|Sam Altman:新系统是一个重要的新范式的开端,AI发展的进程不仅没有变慢,反而将在未来几年迎来爆炸式增长

新系统是一个重要的新范式的开端,AI发展的进程不仅没有变慢,反而将在未来几年迎来爆炸式增长

来自主题: AI资讯
3294 点击    2024-10-01 14:28
“不发模型、不上新功能”的OpenAI DevDay,开发者们还能期待啥

“不发模型、不上新功能”的OpenAI DevDay,开发者们还能期待啥

“不发模型、不上新功能”的OpenAI DevDay,开发者们还能期待啥

去年,OpenAI在旧金山举办了一场引发业界轰动的开发者大会(DevDay 2023),推出了一系列新产品和工具,包括支持128K上下文的GPT-4 Turbo,API价格下调,新的Assistants API,具备视觉功能的GPT-4 Turbo,DALL·E 3 API,以及大幅改进的JSON模型,还有命运多舛的GPTs和类App Store平台GPT Store。

来自主题: AI资讯
5910 点击    2024-10-01 14:04
一文盘点“最新版本”Open AI核心人物

一文盘点“最新版本”Open AI核心人物

一文盘点“最新版本”Open AI核心人物

Altman的超能力是找到优秀人才,然后放走他们。 2023年11月22日,OpenAI官方X账号转发Greg Brockman的帖子:“没有人才,OpenAI什么也不是。”

来自主题: AI资讯
3253 点击    2024-10-01 11:17
谷歌自曝TPU秘密武器,AlphaChip登Nature,深度解读AI设计芯片的发展历程

谷歌自曝TPU秘密武器,AlphaChip登Nature,深度解读AI设计芯片的发展历程

谷歌自曝TPU秘密武器,AlphaChip登Nature,深度解读AI设计芯片的发展历程

AI 设计芯片的新纪元 近日,谷歌 DeepMind 在 Nature 上正式公布了其最新的芯片设计算法 AlphaChip,该方法致力于加速和优化计算机芯片的开发,已经历经多款 TPU 的产品考验,可在短短数小时内完成人类专家需要数周甚至数月的芯片布局设计。

来自主题: AI资讯
4975 点击    2024-09-30 11:16
单靠推理Scaling Law无法成就o1!无限推理token,GPT-4o依然完败

单靠推理Scaling Law无法成就o1!无限推理token,GPT-4o依然完败

单靠推理Scaling Law无法成就o1!无限推理token,GPT-4o依然完败

CoT铸就了o1推理王者。 它开创了一种推理scaling新范式——随着算力增加、更长响应时间,o1性能也随之增长。

来自主题: AI资讯
2766 点击    2024-09-29 16:56
Science子刊封面:500年前拉斐尔怎么作画,AI看一眼就知道

Science子刊封面:500年前拉斐尔怎么作画,AI看一眼就知道

Science子刊封面:500年前拉斐尔怎么作画,AI看一眼就知道

DALL-E、MidJourney等工具的诞生,让我们看到了GenAI高超的「创作技能」。但如果反过来,让AI去分析艺术大师的画作,它们又会有怎样的表现?

来自主题: AI资讯
4164 点击    2024-09-29 15:30
从数据增强的隐藏作用出发,揭示视觉强化学习可塑性损失的独特机制

从数据增强的隐藏作用出发,揭示视觉强化学习可塑性损失的独特机制

从数据增强的隐藏作用出发,揭示视觉强化学习可塑性损失的独特机制

Sutton 等研究人员近期在《Nature》上发表的研究《Loss of Plasticity in Deep Continual Learning》揭示了一个重要发现:在持续学习环境中,标准深度学习方法的表现竟不及浅层网络。研究指出,这一现象的主要原因是 "可塑性损失"(Plasticity Loss):深度神经网络在面对非平稳的训练目标持续更新时,会逐渐丧失从新数据中学习的能力。

来自主题: AI资讯
4483 点击    2024-09-29 14:39
今年我曾跟别人安利过的AI产品:捏Ta和BubblePal

今年我曾跟别人安利过的AI产品:捏Ta和BubblePal

今年我曾跟别人安利过的AI产品:捏Ta和BubblePal

探讨了两款AI产品捏Ta和BubblePal的特点与市场定位。捏Ta专注于垂直人群,满足二次元同人爱好者的创作需求。BubblePal为学龄前儿童提供AI陪伴玩具,丰富亲子互动。

来自主题: AI资讯
5421 点击    2024-09-29 12:41