-
首次证实白盒Transformer可扩展性！马毅教授CRATE-α：鲸吞14亿数据，性能稳步提升
在过去的几年里，Transformer架构在自然语言处理（NLP）、图像处理和视觉计算领域的深度表征学习中取得了显著的成就，几乎成为了AI领域的主导技术。 然而，虽然Transformer架构及其众多变体在实践中取得了巨大成功，但其设计大多是基于经验的，...
-
基于机器学习的金融欺诈检测模型
作者 | 陈峻 审校 | 重楼 引言 如今，基于互联网服务的欺诈案例时常登顶媒体头条，而使用在线服务和数字交易的金融行业尤其成为了重灾区。网络洗钱、保险欺诈、网银盗用、虚假银行交易等复杂金融欺诈行为层出不穷，我们亟待通过行之有效的欺诈识别与检测的...
-
LLM的「母语」是什么？
大语言模型的「母语」是什么？ 我们的第一反应很可能是：英语。 但事实果真如此吗？尤其是对于能够听说读写多种语言的LLM来说。 对此，来自EPFL（洛桑联邦理工学院）的研究人员发表了下面这篇工作来一探究竟： 图片 论文地址：https://arxiv.or...
-
超强！必会的十大机器学习算法
1.线性回归 线性回归是用于预测建模的最简单且使用最广泛的机器学习算法之一。 它是一种监督学习算法，用于根据一个或多个自变量预测因变量的值。 定义 线性回归的核心是根据观察到的数据拟合线性模型。 线性模型由以下方程表示： 其中 是因变量（我们想要预测...
-
可解释性人工智能：解释复杂的AI/ML模型
译者 | 李睿 审校 | 重楼 人工智能(AI 和机器学习(ML 模型如今变得越来越复杂，这些模型产生的输出是黑盒——无法向利益相关者解释。可解释性人工智能（XAI）旨在通过让利益相关者理解这些模型的工作方式来解决这一问题，确保他们理解这些模型实际上是如...
-
ChatGPT如何「思考」？心理学和神经科学破解AI大模型，Nature发文
美国东北大学的计算机科学家 David Bau 非常熟悉这样一个想法：计算机系统变得如此复杂，以至于很难跟踪它们的运行方式。 「我做了 20 年的软件工程师，研究非常复杂的系统。这个问题总是存在的。」Bau 说。 但 Bau 说，使用传统软件，具有内部知...
-
【活动】AIGC 技术的发展现状与未来趋势
?个人主页: 鑫宝Code?热门专栏: 闲话杂谈｜ 炫酷HTML | JavaScript基础 ?个人格言: "如无必要，勿增实体" 文章目录 AIGC 技术的发展现状与未来趋势 引言 AIGC技术的发展现状 文本生成...
-
通透！如何选择合适的机器学习算法
算法选择注意事项 为任务选择正确的机器学习算法涉及多种因素，每个因素都会对最终决策产生重大影响。以下是决策过程中需要牢记的几个方面。 1.数据集特征 数据集的特征对于算法的选择至关重要。数据集的大小、包含的数据元素的类型、数据是结构化的还是非结构化的等...
-
一文带您了解SHAP：机器学习的模型解释
在机器学习和数据科学领域，模型的可解释性一直是研究者和实践者关注的焦点。随着深度学习和集成方法等复杂模型的广泛应用，理解模型的决策过程变得尤为重要。可解释人工智能（Explainable AI ，XAI）通过提高模型的透明度，帮助建立对机器学习模型的信任...
-
小鹏汽车国内首发落地端到端大模型：2025实现类似L4级智驾
快科技5月20日消息，在今日举办的小鹏汽车AI DAY上，小鹏汽车CEO何小鹏官宣端到端大模型上车。 其称：小鹏是国内首个量产上车的端到端大模型，多个网络联合训练、协调一致，解决泛化问题，提升大模型的可解释性及可诊断性，让AI模型成长及迭代更迅速。” 同...
-
替代MLP的KAN，被开源项目扩展到卷积了
本月初，来自 MIT 等机构的研究者提出了一种非常有潜力的 MLP 替代方法 ——KAN。 KAN 在准确性和可解释性方面表现优于 MLP，而且它能以非常少的参数量胜过以更大参数量运行的 MLP。比如，作者表示，他们用 KAN 以更小的网络和更高的自动化...
-
「大模型」之所短，「知识图谱」之所长
最近一年以来，大语言模型技术突飞猛进，被广泛地认为开启了人工智能研究的新阶段。大语言模型时代的到来，给知识图谱技术也带来了新的机遇与挑战。我们在 5 月份的时候曾经发布过知识图谱与 AIGC 大模型的知识地图，其中包括了文本生成、图像生成等技术。本次分享...
-
爆火后反转？「一夜干掉MLP」的KAN：其实我也是MLP
多层感知器（MLP），也被称为全连接前馈神经网络，是当今深度学习模型的基础构建块。MLP 的重要性无论怎样强调都不为过，因为它们是机器学习中用于逼近非线性函数的默认方法。 但是最近，来自 MIT 等机构的研究者提出了一种非常有潜力的替代方法 ——KAN。...
-
LeCun转发，AI让失语者重新说话！纽约大学发布全新「神经-语音」解码器
脑机接口（BCI）在科研和应用领域的进展在近期屡屡获得广泛的关注，大家通常都对脑机接口的应用前景有着广泛的畅享。 比如，由于神经系统的缺陷造成的失语症不仅严重阻碍患者的日常生活，还可能限制他们的职业发展和社交活动。随着深度学习和脑机接口技术的迅猛发展，...
-
MLP一夜被干掉！MIT加州理工等革命性KAN破记录，发现数学定理碾压DeepMind
一夜之间，机器学习范式要变天了！ 当今，统治深度学习领域的基础架构便是，多层感知器（MLP）——将激活函数放置在神经元上。 那么，除此之外，我们是否还有新的路线可走？ 就在今天，来自MIT、加州理工、东北大学等机构的团队重磅发布了，全新的神经网络结构...
-
新研究强调了GenAI应用中的人才短缺和战略缺口
最近的一项研究表明，美国企业对生成式人工智能（GenAI）提高其业务和员工生产力的潜力充满热情。但在高涨的热情背后，领导者认为，理解差距、缺乏战略规划和人才匮乏是实现和衡量技术全部价值的障碍。 这项研究是今年早些时候由科尔曼帕克斯研究公司进行的，由SA...
-
人工智能将如何影响药物研发
创造新药是一个艰苦的过程，需要多年的努力和大量的资金才能取得重大进展。在如此巨大的资金和生命攸关的情况下，加速药物发现过程一直是行业专业人士最关心的话题。 就像其他所有涉及大量耗时任务的行业一样，随着人工智能工具的引入，药物发现正在经历一场革命。 虽然...
-
AI学会隐藏思维暗中推理！不依赖人类经验解决复杂任务，更黑箱了
AI做数学题，真正的思考居然是暗中“心算”的? 纽约大学团队新研究发现，即使不让AI写步骤，全用无意义的“……”代替，在一些复杂任务上的表现也能大幅提升! 一作Jacab Pfau表示:只要花费算力生成额外token就能带来优势，具体选择了什么token无...
-
打破壁垒：生成式人工智能如何重塑数据分析场景
想了解更多AIGC的内容，请访问： 51CTO AI.x社区 https://www.51cto.com/aigc/ 深入探讨生成式人工智能的原则和模型，以及它在数据分析中的应用。 面对快速变化的市场格局，企业必须不断寻求新的技术突破来保持领先地位。生...
-
人工智能的十大局限性
在技术创新领域，人工智能(AI 是我们这个时代最具变革性和前景的发展之一。人工智能凭借其分析大量数据、从模式中学习并做出智能决策的能力，已经彻底改变了从医疗保健和金融到交通和娱乐等众多行业。然而，在取得显著进步的同时，人工智能也面临着阻碍其充分发挥潜力的...
-
聊聊机器学习与人力资源管理碰撞什么火花？
前 言 近年来，机器学习领域取得了许多重大突破，人工智能技术驱动的人力资源管理服务产品也拥有一个庞大且充满活力的市场。越来越多的企业和政府机构逐渐开始思考将机器学习技术应用于人力资源管理，通过神经网络做出正确有效的决策，准确地预测人力资源管理的结果。...
-
开箱黑盒LLM！谷歌大一统框架Patchscopes实战教程来了
虽然大型语言模型（LLM）在各种常见的自然语言处理任务中展现出了优异的性能，但随之而来的幻觉，也揭示了模型在真实性和透明度上仍然存在问题。 在模型生成错误回复内容时，如果能够「深入理解其背后运行机制」，或许可以解决模型的幻觉问题。 然而，随着深度神经网络...
-
基于因果推断的推荐系统：回顾和前瞻
本次分享的主题为基于因果推断的推荐系统，回顾过去的相关工作，并提出本方向的未来展望。 为什么在推荐系统中需要使用因果推断技术？现有的研究工作用因果推断来解决三类问题（参见 Gao et al.的 TOIS 2023 论文 Causal Inference...
-
守护生成式人工智能之门，规避人工智能进化中的安全挑战
想了解更多AIGC的内容，请访问： 51CTO AI.x社区 https://www.51cto.com/aigc/ 生成式人工智能(GenAI 代表了人工智能的一个重大飞跃，能够创建文本、音频、图像、代码等新颖而逼真的数据。虽然这项创新具有巨大的...
-
机器学习如何提高商业智能
机器学习(ML 在商业智能(BI 的持续发展中发挥着关键作用。随着ML的出现，企业正在超越传统分析，采用更复杂的方法来解读庞大的数据集。本文探讨了ML为BI带来的革命，标志着从单纯的数据分析到预测洞察和决策策略的重大转变。 ML在BI中的集成 将ML集...
-
生成型人工智能优化框架研究
想了解更多AIGC的内容，请访问： 51CTO AI.x社区 https://www.51cto.com/aigc/ 简介 生成类似人类的文本和语音曾经只有在科幻小说中才成为可能。但是，GPT-3和PaLM等大型语言模型（LLM）的快速发展...
-
人工智能是否被高估了？
毫无疑问，人工智能已经成为近年来最热门的话题之一，吸引着技术专家、企业家和公众的想象力。然而，在围绕人工智能的炒作和兴奋中，关于人工智能是否被高估的争论越来越多。一些批评人士认为，人工智能只是一种先进的曲线拟合，而不是所描绘的革命性技术。 人工智能的核...
-
好书推荐 《AIGC重塑金融》
作者：林建明 来源：IT 阅读排行榜 本文摘编自《AIGC 重塑金融：AI 大模型驱动的金融变革与实践》，机械工业出版社出版 这是最好的时代，也是最坏的时代。尽管大模型技术在金融领域具有巨大的应用潜力，但其应用也面临不容忽视的风险和挑战。本文将深入研...
-
突破障碍：生成式人工智能如何重塑数据分析领域
在当今市场状况下，企业必须不断寻求新方法来利用技术突破以保持领先地位。生成式人工智能是一个近年来迅速扩展的突出领域。 Gartner预测，到2026年，超过80%的组织将使用生成式人工智能API、模型或应用程序，而2023年这一比例不到5%。生成式人工智...
-
深度学习：AIGC重塑金融大模型驱动金融变革
作者：林建明 来源：IT阅读排行榜 本文摘编自《AIGC重塑金融：AI大模型驱动的金融变革与实践》，机械工业出版社出版 这是最好的时代，也是最坏的时代。尽管大模型技术在金融领域具有巨大的应用潜力，但其应用也面临不容忽视的风险和挑战。本文将深入研究大模型...
-
【粉丝福利社】《AIGC重塑金融：AI大模型驱动的金融变革与实践》（文末送书-进行中）
? 作者简介，愚公搬代码 ?《头衔》：华为云特约编辑，华为云云享专家，华为开发者专家，华为产品云测专家，CSDN博客专家，CSDN商业化专家，阿里云专家博主，阿里云签约作者，腾讯云优秀博主，腾讯云内容共创官，掘金优秀博主，51CTO博客专家等。 ?《近期荣...
-
【AIGC】大模型在金融行业的应用场景和落地路径
这是最好的时代，也是最坏的时代。尽管大模型技术在金融领域具有巨大的应用潜力，但其应用也面临不容忽视的风险和挑战。本文将深入研究大模型在金融领域的数据隐私和安全风险、模型可解释性和透明度、监管和合 规要求，梳理中国、美国、欧洲等地 AIGC 技术的应用规则，...
-
AIGC重塑金融：AI大模型驱动的金融变革与实践
?个人主页: Aileen_0v0?热门专栏: 华为鸿蒙系统学习|计算机网络|数据结构与算法 ?个人格言:“没有罗马,那就自己创造罗马~” #mermaid-svg-tVrfBkGvUD0Qi13F {font-family:"trebuchet...
-
AIGC重塑金融 | 大模型在金融行业的应用场景和落地路径
作者：林建明 来源：IT阅读排行榜 本文摘编自《AIGC重塑金融：AI大模型驱动的金融变革与实践》，机械工业出版社出版 目录 01 大模型在金融领域的 5 个典型应用场景 02 大模型在金融领域应用所面临的风险及其防范 03 AIGC 技术的科...
-
探索AIGC技术的未来：人工智能生成内容的挑战与机遇
引言 随着人工智能技术的迅猛发展，人工智能生成内容（AIGC）技术已经逐渐走进人们的视野。AIGC技术是指利用人工智能技术生成各种形式的内容，如文字、图像、音频、视频等。这种技术不仅可以提高内容生产效率，还可以创造出更加丰富多样的内容。本文将深入探讨AI...
-
DriveCoT：全面的开环端到端驾驶数据集和Benchmark
本文经自动驾驶之心公众号授权转载，转载请联系出处。 近年来，端到端自动驾驶技术取得了显著进展，表现出系统简单性和在开环和闭环设置下竞争性驾驶性能的优势。然而，端到端驾驶系统在驾驶决策方面缺乏可解释性和可控性，这阻碍了其在真实世界中的部署。本文利用CAR...
-
通用文档理解新SOTA，多模态大模型TextMonkey来了
最近，华中科技大学和金山的研究人员在多模态大模型 Monkey [1]（Li et al., CVPR2024）工作的基础上提出 TextMonkey。在多个场景文本和文档的测试基准中，TextMonkey 处于国际领先地位，有潜力带来办公自动化、智慧教...
-
LLM、RAG虽好，但XGBoost更香！
编译 | 言征 出品 | 51CTO技术栈（微信号：blog51cto） 数据&AI企业家、投资人Oliver Molander 近日在LinkedIn上的帖子中打趣道：“如果你在2022年[ChatGPT推出]之前问人工智能专家什么是LL...
-
华为天才少年谢凌曦：关于视觉识别领域发展的个人观点！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 最近，我参加了几个高强度的学术活动，包括CCF计算机视觉专委会的闭门研讨会和VALSE线下大会。经过与其他学者的交流，我产生了许多想法，千头万绪，便希望把它们整理下来，供自己和同行们参考。当然，受限于...
-
降低AIGC总体疑似率的七大策略
随着人工智能技术的飞速发展，AIGC（人工智能生成内容）的应用越来越广泛。然而，随之而来的问题是AIGC的疑似率居高不下，这给人们带来了不少困惑和疑虑。为了解决这个问题，本文将探讨降低AIGC总体疑似率的七大策略。 提高数据质量 数据是训练人工智能模...
-
企业对人工智能的强烈需求推动了人工智能信任和安全市场
预计到2030年，全球人工智能信任、风险和安全管理市场规模预计将达到74.4亿美元。研究人员预计该市场从2024年到2030年的复合年增长率将达到21.3%随着组织越来越多地采用人工智能，对偏见、可解释性和安全漏洞的担忧也随之增加，这使得人工智能信任、...
-
AI写作的奥秘：从深度学习到智能创造的突破
大家好，小发猫降重今天来聊聊 AI写作的奥秘：从深度学习到智能创造的突破，希望能给大家提供一点参考。 以下是针对论文重复率高的情况，提供一些修改建议和技巧，可以借助此类工具： 标题： AI写作的奥秘：从深度学习到智能创造的突破 内容： 当我们谈...
-
AI写作的边界探索：从困惑到爆发的七重考验
大家好，小发猫降ai今天来聊聊AI写作的边界探索：从困惑到爆发的七重考验，希望能给大家提供一点参考。降ai辅写 以下是针对论文AI辅写率高的情况，提供一些修改建议和技巧，可以借助此类工具： 还有： AI写作的边界探索：从困惑到爆发的七重考验...
-
AI大模型控制红绿灯，港科大（广州）智慧交通新成果已开源
大模型“上路”，干起了交通信号控制（TSC）的活～ 模型名为LightGPT，以排队及不同区段快要接近信号灯的车辆对路口交通状况分析，进而确定最好的信号灯配置。 该模型由香港科技大学（广州）的研究团队提出，其背后关键是一个名为LLMLight的框架。...
-
揭开LLM智慧涌现的面纱：OpenAI开源调试工具Transformer Debugger深入LLM的神经元秘密
在人工智能的浪潮中，大型语言模型（LLM）以其惊人的语言理解和生成能力成为了研究和应用的热点。从简单的文本分类到复杂的自然语言理解，LLM的应用领域不断扩展，涵盖了机器翻译、情感分析、自动摘要、聊天机器人等多个方面。随着模型规模的增长，它们的内部工作机制...
-
OpenAI官宣开源Transformer Debugger！不用写代码，人人可以破解LLM黑箱
AGI真的越来越近了！ 为了确保人类不被AI杀死，在解密神经网络/Transfomer黑箱这一方面，OpenAI从未停下脚步。 去年5月，OpenAI团队发布了一个令人震惊的发现：GPT-4竟可以解释GPT-2的三十万神经元！ 网友纷纷惊呼，智慧原来是这...
-
未来的人工智能开发人员需要从ChatGPT的漏洞中学到什么
在快速发展的人工智能领域，推出像ChatGPT这样强大的模型既让人敬畏，也让人反思。 随着这些人工智能系统的能力令人眼花缭乱，它们也暴露了一系列漏洞，为未来的开发人员提供了宝贵的经验教训。 本文深入探讨了ChatGPT漏洞产生的关键见解，揭示了未来人工...
-
VAD v2端到端SOTA | 远超DriveMLM等方法（地平线）
从大规模驾驶演示中学习类似人类的驾驶策略是很有前途的，但规划的不确定性和非确定性本质使得这一任务充满挑战。在这项工作中，为了应对不确定性问题，作者提出了VADv2，一个基于概率规划的端到端驾驶模型。VADv2以流方式输入多视角图像序列，将传感器数据转换为...
-
机器学习中的十种非线性降维技术对比总结
降维意味着我们在不丢失太多信息的情况下减少数据集中的特征数量，降维算法属于无监督学习的范畴，用未标记的数据训练算法。 尽管降维方法种类繁多，但它们都可以归为两大类:线性和非线性。 线性方法将数据从高维空间线性投影到低维空间(因此称为线性投影 。例子包括...
-
机器学习中七种常用的线性降维技术总结
上篇文章中我们主要总结了非线性的降维技术，本文我们来总结一下常见的线性降维技术。 1、Principal Component Analysis (PCA Principal Component Analysis (PCA 是一种常用的降维技术，用于...