搜索
中国企业对于生成式AI应用场景的了解都来自于ChatGPT的传说，但中国企业能使用的GenAI资源与ChatGPT却没有关系。直截了当地说，中国企业目前能够使用的GenAI资源都比GPT-4要差很多，注意不是“有差距”，而是“差很多”，这是中国企业考虑生成式AI问题的基本前提。
流行梗随风而过，TV Tropes 永垂不朽。
在人工智能领域，大型预训练模型（如 GPT 和 LLaVA）的 “幻觉” 现象常被视为一个难以克服的挑战，尤其是在执行精确任务如图像分割时。
AI界也有了自己的“奥斯卡”，哪家大模型角色扮演更入戏？ 来自香港科技大学、腾讯、新加坡管理大学的团队提出新综述—— 不仅系统性地回顾了角色扮演语言模型的发展历程，还对每个阶段的关键进展进行了深入剖析，展示了这些进展如何推动模型逐步实现更复杂、更逼真的角色扮演。
Transformer自问世后就大放异彩，但有个小毛病一直没解决： 总爱把注意力放在不相关的内容上，也就是信噪比低。 现在微软亚研院、清华团队出手，提出全新改进版Differential Transformer，专治这个老毛病，引起热议。
不少人怀疑，今年的诺奖“偷懒”了。 除了备受关注的诺贝尔生理学或医学奖“MicroRNA”相关研究外，今年诺贝尔化学奖、物理学奖均被AI相关研究拿下
几个月前，我不是发了篇这个么：《AI 产品沉思录：流量先行，窄业务、小产品/工具》，想着融点钱，攒个小团队，猛搞一番，结果不尽如人意，倒不是说事儿不行，主要是没得到金主相助，也没有稳定的团队快速复制，规模化并没有符合预期（预期是跑通了一个之后，直接复制N份自动跑）。
随着开源技术占据各大新兴领域的技术路线，其不断丰富人工智能领域的应用场景。 2023年，Meta 相继发布 Llama 和 Llama2，很快成为广受欢迎的开源大模型，也成为许多模型的基座模型。
只要一个3B参数的大模型，就能控制机器人，帮你搞定各种家务。 叠衣服冲咖啡都能轻松拿捏，而且全都是由模型自主控制，不需要遥控。 关键是，这还是个通用型的机器人控制模型，不同种类的机器人都能“通吃”。
随着扩散生成模型的发展，人工智能步入了属于 AIGC 的新纪元。扩散生成模型可以对初始高斯噪声进行逐步去噪而得到高质量的采样。当前，许多应用都涉及扩散模型的反演，即找到一个生成样本对应的初始噪声。当前的采样器不能兼顾反演的准确性和采样的质量。