物理引导机器学习，Physics-Informed Machine Learning（PIML）
华盛顿大学的Steve Brunton教授关于“物理引导的机器学习”（Physics-Informed Mac...
Read More通过裁剪（Pruning）和知识蒸馏（Knowledge Distillation）实现紧凑的语言模型
论文《通过裁剪和知识蒸馏实现紧凑的语言模型》（Compact Language Models via Prun...
Read More
利用分子复生（Molecular De-extinction）和深度学习研发抗生素
根据世界卫生组织（WHO）的数据，每年全球有超过125万人因对抗生素等药物免疫的感染而死亡。到2050年，这一...
Read More
Imagen 3：最新文本生成图像（Text-to-Image, T2I）扩散模型
Imagen 3 是由谷歌团队开发的最新文本生成图像（Text-to-Image, T2I）模型，该模型为潜在...
Read More数据稀缺（Data Scarcity）的应对策略：数据扩增（Data Augmentation）
1. 机器学习中数据稀缺问题的引言 在机器学习中，模型的成功高度依赖于大规模、高质量数据集的可用性。这些数据集...
Read More
物理信息神经网络PINNs（Physics-Informed Neural Networks）
Physics-Informed Neural Networks (PINNs) 是一种将物理知识融入神经网络...
Read More
通过数据增强对比微调缓解“对象幻觉”（object hallucination）
论文Mitigating Object Hallucination via Data Augmented Co...
Read More
神经算子（Neural operators）是专业领域AI泛化（Generalization）的方向？
向ChatGPT 4o问了关于Neural Operator的问题：神经算子（Neural operators...
Read MoreFourier Neural Operators (FNOs)，傅里叶神经算子
Fourier Neural Operators (FNOs) 是一种用于学习和模拟偏微分方程（PDEs）的新...
Read More
NeuralGCM：一种结合可微分大气动力学求解器和机器学习（ML）组件的天气/气候预测模型
论文Neural General Circulation Models for Weather and Cli...
Read More