近年来，diffusion Transformers已经成为了现代视觉生成模型的主干网络。随着数据量和任务复杂度的进一步增加，diffusion Transformers的规模也在快速增长。然而在模型进一步扩大的过程中，如何调得较好的超参（如学习率）已经成为了一个巨大的问题，阻碍了大规模diffusion Transformers释放其全部的潜能。
第一作者孙秋实是香港大学计算与数据科学学院博士生，硕士毕业于新加坡国立大学数据科学系。
现在投资不止局限于做人形机器人本体的公司，还会押注模型、数据、硬件、场景等产业链上下游的企业；
在AI应用中，表格数据的重要性愈发凸显，广泛应用于金融、医疗健康、教育、推荐系统及科学研究领域。
本文第一作者为韩沛煊，本科毕业于清华大学计算机系，现为伊利诺伊大学香槟分校（UIUC）计算与数据科学学院一年级博士生，接受 Jiaxuan You 教授指导。
基础模型严重依赖大规模、高质量人工标注数据来学习适应新任务、领域。为解决这一难题，来自北京大学、MIT等机构的研究者们提出了一种名为「合成数据强化学习」（Synthetic Data RL）的通用框架。该框架仅需用户提供一个简单的任务定义，即可全自动地生成高质量合成数据。
由数据分析领域资深人士联合创立的初创公司 Typedef， 今日结束隐匿运营状态 ，宣布获得由 Pear VC 领投的 550 万美元种子轮融资。
具身智能融资大爆发！6月还没过完，总额已经突破27亿元人民币，这还只是统计了部分公开披露的数据。
AI生物学数据，又迎来重磅里程碑！
近期，AI社交赛道正经历着显著降温。市场中的大部分产品，都出现了下载及收入数据增长放缓，甚至下降的情况，与去年狂热入场，人人都想分一杯羹形成了鲜明对比。
