人工智能AI – 第 24 页

Deep Patch Visual Odometry (DPVO)是来自普林斯顿大学的Zachary Teed、Lahav Lipson和Jia Deng的最新研究成果。DPVO 是一种单目视觉里程计（VO）系统，旨在通过跟踪图像块来实现高效、准确的位姿估计。相比传统方法依赖密集 Read more

图灵奖得主Yoshua Bengio、G...

几天前，一篇题目为《Managing extreme AI risks amid rapid progress》的文章在Science网站上发表，作者为图灵奖得主Yoshua Bengio、Geoffrey Hinton和清华大学姚期智（Andrew Yao），以及其他多位作者。 Read more

ChatGPT 4o的多模态能力：图片-...

看视频截了张图，图上都是核聚变商业公司Logo。使用ChatGPT-4o，从该图片生成Excel表，表格包含公司名称、公司介绍、地点、创建时间、管理团队成员。再转换为PDF文件。总用时不到一分钟👍。虽说最终的信息校对还是要花点儿时间的，但信息处理的效率是极大提升了。 Just Read more

可视化展示gpt2大模型结构层级

下载了权重fp16的gpt2大模型，可视化展示其结构层级，层层叠叠，层层叠叠~ Downloaded the GPT-2 large model with FP16 weights. Visualized its hierarchical structure, layer upo Read more

基于大型语言模型（LLM）的财务报表分析

论文《Financial Statement Analysis with Large Language Models》研究了大型语言模型（LLM）是否能成功地进行财务报表分析，并预测未来收益的方向。研究的核心是将标准化和匿名化的财务报表提供给GPT-4，要求其分析这些数据以预测未 Read more

Med-Gemini，基于 Gemini...

来自Google和DeepMind的团队前几天发表了论文《Capabilities of Gemini Models in Medicine》。这篇论文介绍了 Med-Gemini，这是一系列基于 Gemini 架构的先进多模态医学模型。Med-Gemini 通过自我训练、网络搜 Read more

神仙？妖怪？谢谢

中午路过一所小学，围墙外用条幅挂了不少有趣的问题。这应该是一所能够让孩子们快乐的学校。其中一个蛮有趣的问题：“神仙和妖怪打架，谁更厉害？” 习惯性问AI，正式说法是测试测试，不正经说法是调戏调戏。上传图片，让AI识别图片文字并回答问题。结果是Google Gemini表现很好， Read more

Transformer是个框，啥都往里装...

Transformer是个框，啥都往里装😀，只要是广义的时序数据就行，自然语言、音频、视频、传感数据，以及这篇论文《Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware》研究的机器人动作。当然，前提是 Read more