-
8人半年肝出开源版GPT-4o，0延迟演示全网沸腾！背后技术揭秘，人人免费用
【新智元导读】GPT-4o或许还得等到今年秋季才对外开放。不过，由法国8人团队打造的原生多模态Moshi，已经实现了接近GPT-4o的水平，现场演示几乎0延迟，AI大佬纷纷转发。 没想到，「开源版」GPT-4o这么快就来了! 昨夜，来自法国AI实验室kyu...
-
全员i人？《大闹天宫》MBTI测试让全公司炸锅！最神秘国产大模型团队出手了
【新智元导读】最近，公司全体同事都在疯狂沉迷这款《大闹天宫MBTI》测试!各种直击打工人的灵魂拷问，让所有i人和e人在职场极限场景中反复拉扯。国产黑马和上影打造的原汁原味《大闹天宫》画风，简直让人一秒穿越回童年。 就在最近，全公司都为这个大闹天宫MBTI测...
-
AI 技术创新可以有多硬核？ GOTC 2024 论坛议程抢先看
8 月 15 日至 16 日，GOTC 2024 将在上海张江科学会堂盛大开启。GOTC 2024 与上海浦东软件园联合举办，并结合 “GOTC（全球开源技术峰会）” 与 “GOGC（全球开源极客嘉年华）”，旨在打造一场全新的开源盛会。2024 全球开源极...
-
开源之光 Stable Diffusion 3 技术论文全解：公式占一半，实验很充分！
文章链接：https://arxiv.org/pdf/2403.03206 扩散模型通过反转数据到噪声的正向路径来从噪声中创建数据，并已成为处理高维感知数据（如图像和视频）的强大生成建模技术。Rectified flow是一种最近提出的生成模型形式，它将...
-
Stable Diffusion 3 文本生成图像 在线体验 原理分析
前言 本文分享使用Stable Diffusion 3实现文本生成图像，可以通过在线网页中免费使用的，也有API等方式访问。 同时结合论文和开源代码进行分析，理解其原理。 Stable Diffusion 3是Stability AI开发的最新、最先...
-
【AIGC半月报】AIGC大模型启元：2024.06（上）
AIGC大模型启元：2024.06（上） (1 ChatTTS（语音合成项目） (2 Mamba-2（大模型新架构Mamba升级） (3 GLM-4 9B（智谱开源LLM） (4 Seed-TTS（字节语音合成） (5 QWen2（阿...
-
AIGC-CVPR2024best paper-Rich Human Feedback for Text-to-Image Generation-论文精读
Rich Human Feedback for Text-to-Image Generation斩获CVPR2024最佳论文！受大模型中的RLHF技术启发，团队用人类反馈来改进Stable Diffusion等文生图模型。这项研究来自UCSD、谷歌等。 在...
-
【AIGC】GPT-4o技术分析-浅谈
GPT-4o：人工智能技术的全新里程碑 一、引言 二、GPT系列版本间的对比分析 三、GPT-4o的技术能力分析 多模态处理能力 速度与性能优化 情感理解与表达能力 四、个人整体感受 五、结语 一、引言 在人工智能技术的...
-
#08 未来趋势：Stable Diffusion在行业中的应用前景
文章目录 前言 1. 技术发展趋势 1.1 模型优化与效率提升 1.2 多模态融合 1.3 用户交互体验改进 2. 行业应用前景 2.1 创意产业 2.2 教育与培训 2.3 医疗健康 2.4 制造业 2.5 建筑与城市规划 3. 社...
-
海淀家长疯抢的AI神器，有人用它高考前60天提分100+？星火4.0打造最强AI学习机
【新智元导读】如何才是一台能真正帮到孩子的AI学习机?最近，搭载了星火4.0大模型，并全面升级AI1v1答疑辅导实现了超拟人对话的讯飞AI学习机，堪称最省爸妈的AI神器。 就在上周，2023年度国家科学技术大奖公布，科大讯飞作为第一单位荣获国家科学技术进步...
-
探索多模态智能边界：Visual-Chinese-LLaMA-Alpaca 开源项目解析与应用指南
探索多模态智能边界：Visual-Chinese-LLaMA-Alpaca 开源项目解析与应用指南 在人工智能领域，多模态学习正逐渐成为研究热点，它旨在融合视觉和语言信息，构建能够理解和生成跨模态内容的智能体。Visual-Chinese-LLaMA...
-
AIGC入门（一） 从零开始搭建Transformer！（上）
前言 我记得曾经看过一篇综述，综述里曾这样讲过： 多模态使用Transformer作为基石模型的一个原因之一，就是因为它能够很好地统一视觉（ViT、DiT）和文本，并且无限制地扩大其参数。这是一个在工程上很有作用也很有实际意义的事情。 笔者...
-
对比体验 ChatGPT，聊聊文心一言的优缺点
在昨天文心一言发布后，我第一时间拿到了体验的资格，但第一次使用后却不禁有些失望。他的逻辑能力极度缺乏、创造力也差点意思。不过，今天再次高强度使用后，却又让我对这款产品的想法有了些许改变。 前言 将 2023 年称为 AI 纪元在我看来也没什么不合适的：...
-
AIGC发展方向和前景
引言 背景介绍 AIGC的定义及其发展历程 AIGC，即人工智能生成内容，是近年来在人工智能领域兴起的一项重要技术。它通过使用机器学习和深度学习等技术，使得计算机能够自动生成各种形式的数字内容，如文本、图像、音频和视频等。 AIGC的发展可以...
-
使用LMDeploy部署和量化Llama 3模型
## 引言 在人工智能领域，大型语言模型（LLMs）正变得越来越重要，它们在各种自然语言处理任务中发挥着关键作用。Llama 3是近期发布的一款具有8B和70B参数量的模型，它在性能和效率方面都取得了显著的进步。为了简化Llama 3的部署和量化过程，lm...
-
对标GPT-4 Turbo！科大讯飞刘庆峰：理性认识中美差距 绝不能盲目自信
快科技6月30日消息，科大讯飞最新发布的讯飞星火大模型V4.0，在多个关键能力上实现了对GPT-4 Turbo的超越。 在近日的发布会上，科大讯飞董事长刘庆峰宣布，星火V4.0在文本生成、语言理解、知识问答、逻辑推理和数学能力等方面均达到国际领先水平，在8...
-
【AIGC调研系列】全新的多模态小模型Phi-3-vision
全新的多模态小模型Phi-3-vision是微软在2024年推出的最新AI模型。Phi-3-vision是一个具有42亿参数的多模态模型，能够处理图像和文本数据，并对这些数据进行高效的推理和响应[12][13][14]。 Phi-3-vision特别适用...
-
2024年AIGC行业研究：多模态大模型与商业应用_
2024年2月，OpenAI发布其首款视频生成模型Sora，用户仅需输入一段文字即可生成长达一分钟场景切换流畅、细节呈现清晰、情感表达准确的高清视频，与一年前的AI生成视频相比，在各维度均实现了质的提升。这一突破再次将AIGC推向大众视野。AIGC即通过大...
-
国产大模型新高度！讯飞星火4.0发布：整体超越GPT-4 Turbo，8个国际权威测试集测评第一
国内大模型的能力，又来到了一个新高度! 6月27日，科大讯飞正式对外发布讯飞星火大模型V4.0，以及在医疗、教育、商业等多个领域的人工智能应用。 随着新版本的发布，讯飞星火V4.0七大核心能力全面升级，在8个国际主流测试集中排名第一，整体超越GPT-4Tu...
-
【大模型应用】使用 Windows 窗体作为 Copilot 应用程序的 Ollama AI 前端（测试llava视觉问答）...
项目 “WinForm_Ollama_Copilot” 是一个使用Windows Forms作为前端的Ollama AI Copilot应用程序。这个项目的目的是提供一个用户界面(UI ，通过它，用户可以与Ollama AI进行交互。以下是该项目的一...
-
Stable Diffusion 3: Research Paper
Stable Diffusion 3: Research Paper 1. 核心理念 扩展模型 (Stable Diffusion 在與 DALL·E 3、Midjourney v6 和 Ideogram v1这些图像生成系统相比，在书写效果以及...
-
每日一看大模型新闻（2024.1.20-1.21）英伟达新对话QA模型准确度超GPT-4，却遭吐槽：无权重代码意义不大；Llama 2打败GPT-4！Meta让大模型自我奖励自迭代，再证合成数据是LL
1.产品发布 1.1韩国Kakao：推出多模态大模型Honeybee 发布日期：2024.1.20 Kakao unveils multimodal large language model Honeybee - The Korea Ti...
-
AIGC技术的发展现状与未来趋势探讨
AIGC技术的发展现状与未来趋势探讨 随着人工智能（AI）技术的迅猛发展，AI生成内容（AI-Generated Content，AIGC）成为了一项颠覆性的技术，它能够自动生成文本、图像、音频和视频等多种内容。本文将探讨AIGC技术的发展现状及未来趋...
-
一句话可触达200 车控动作！讯飞星火大模型已赋能红旗、奇瑞、广汽等车企
快科技6月27日消息，在讯飞星火大模型V4.0发布会上，据科大讯飞董事长刘庆峰介绍： 讯飞语音交互已广泛应用于国内外汽车市场，产品前装累计搭载超5700万套，市占率位于行业首位。 并且，科大讯飞星火大模型已赋能红旗、奇瑞、广汽等多家车企，搭载该大模型的相关...
-
科大讯飞发布星火大模型4.0：整体超越GPT-4 Turbo！
快科技6月27日消息，科大讯飞今日在北京举办了一场主题为懂你的AI助手”的发布会，正式推出了全新的讯飞星火大模型V4.0，并展示了其在医疗、教育、商业等多个领域的人工智能应用。 据刘庆峰介绍，星火大模型V4.0的训练依托于国内首个国产万卡算力集群飞星一号”...
-
[Stable Diffusion/LDM] High-Resolution Image Synthesis with Latent Diffusion Models
这篇讲解很详细，可以参考：https://zhuanlan.zhihu.com/p/634573765 附上苏神的讲解：生成扩散模型漫谈（二十二）：信噪比与大图生成（上） - 科学空间|Scientific Spaces...
-
百度文心一言插件商城正式上线！一键安装搞定PPT生成、音视频提取
快科技12月14日消息，日前，百度官方宣布，百度文心一言插件商城正式上线，插件覆盖办公提效、多模态内容理解生成、专业信息查询等实用场景。 用户一键安装插件后，只需通过简单指令，即可实现PPT生成、音视频提取、思维导图制作等多场景多模态下的需求。...
-
重磅发布！Stable Diffusion 3 Medium 终于开源，革新图像生成技术新时代
重磅发布！Stable Diffusion 3 Medium 终于开源，革新图像生成技术新时代 关键词：Stable Diffusion 3 Medium, MMDiT, 文本到图像模型, 图像质量, 排版, 复杂提示理解, 资源效率 原...
-
中国杀出全球首个烹饪大模型
什么?烹饪也有大模型?! 没有听错，这就是国产厨电龙头老板电器最新发布——“食神”大模型。 数十亿级行业数据，数千万级知识图谱加持，据称还是全球首个。 它能为每个人提供个性化量身定制的解决方案，不仅告诉用户怎么做菜，还能调动所有设备，协助你把菜做出来。...
-
Llama 3-V：以100倍小的模型和500美元匹敌GPT4-V视觉模型
概述 Llama3 的横空出世震惊了世界，它在几乎所有基准测试中都超越了 GPT-3.5，并在一些方面超越了 GPT-4。随后，GPT-4o 的出现凭借其多模态能力再次夺回了王座。今天，我们发布了一个改变现状的产品：Llama3-V，这是首个基于 Ll...
-
【AI学习】LLaMA 系列模型的进化（一）
一直对LLaMA 名下的各个模型关系搞不清楚，什么羊驼、考拉的，不知所以。幸好看到两篇综述，有个大致了解，以及SEBASTIAN RASCHKA对LLaMa 3的介绍。做一个记录。 一、文章《Large Language Models: A Surve...
-
Llama 3-V: 比GPT4-V小100倍的SOTA
大模型技术论文不断，每个月总会新增上千篇。本专栏精选论文重点解读，主题还是围绕着行业实践和工程量产。若在某个环节出现卡点，可以回到大模型必备腔调重新阅读。而最新科技（Mamba，xLSTM,KAN）则提供了大模型领域最新技术跟踪。若对于如果构建生成级别的A...
-
字节跳动回应AI处理器传闻：消息不实
快科技6月24日消息，有传闻称，字节跳动正在与美国芯片制造商博通合作开发先进的AI处理器。 据说，这款AI处理器将采用5nm工艺制造，由台积电负责生产，尽管设计工作进展顺利，但目前尚未开始流片”阶段，即设计阶段结束和制造开始的标志。 对此，字节跳动回应称，...
-
AI日报｜微软Copilot全家桶造福十亿打工人，李开复称大模型狂降价是双输...
文章推荐 阿里通义降价，百度文心免费，一图对比谁是最具性价比大模型？ AI晚报｜微软推出Copilot+PC，通义主模型大幅降价，文心两大模型全面免费... AI Agent深度解析：潜力与挑战并存的智能新世界 微软Build 2024：Copil...
-
每日AIGC最新进展(24)：用于图像质量和审美评估的统一视觉-语言预训练模型UniQA、可控生成图像压缩框架Control-GIC、3D感知扩散模型Ouroboros3D
Diffusion Models专栏文章汇总：入门与实战 UniQA: Unified Vision-Language Pre-training for Image Quality and Aesthetic Assessment 本文提出了一...
-
文心一言和GPT-4横向对比
文心一言和GPT-4在多个方面都存在明显的差异，下面进行详细的横向对比： 首先，从产品定位和发布时间来看，文心一言是百度推出的大语言模型产品，旨在提供文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成等多种能力。而GPT-4则是OpenAI在GP...
-
原生鸿蒙AI浓度要爆表了：鸿蒙原生智能加持，华为小艺进化成系统级智能体
“鸿蒙原生智能”Harmony Intelligence来了! 一年一度华为开发者大会上，余承东首次揭秘。 而在Harmony Intelligence革新下，华为小艺也迎来了重大升级—— 现在，它不仅仅是AI助手，而是系统级智能体。 基于盘古大模型5.0...
-
SiliconCloud上新：GLM-4-9B，通用能力超越Llama 3
今天，智谱发布了第四代 GLM 系列开源模型：GLM-4-9B。 GLM-4-9B 系列模型包括：基础版本 GLM-4-9B（8K）、对话版本 GLM-4-9B-Chat（128K）、超长上下文版本 GLM-4-9B-Chat-1M（1M）和多...
-
华为云发布盘古具身智能大模型：“夸父”人形机器人亮相
快科技6月21日消息，在今天的华为开发者大会上，华为云还发布了盘古大模型5.0，以及盘古具身智能大模型。 盘古具身智能大模型是人形机器人的灵魂，会上还展示了乐聚公司搭载该模型的夸父”人形机器人。 据介绍，盘古大模型能够让机器人完成10步以上的复杂任务规划...
-
华为云盘古大模型5.0发布：可控时空生成技术重塑自动驾驶开发
快科技6月21日消息，在今日召开的华为开发者大会(HDC 2024 上，华为云发布了盘古大模型5.0，其创新的多模态生成能力，可以为自动驾驶领域提供更高质量的数据支持。 华为常务董事、华为云CEO张平安表示，盘古5.0通过创新的可控时空生成，大规模的生成和...
-
LLaMA-Factory微调多模态大语言模型教程
本文旨在结合笔者自身的实践经历，详细介绍如何使用 LLaMA-Factory 来微调多模态大语言模型。目前仓库已支持若干流行的MLLM比如LLaVA-1.5，Yi-VL，Paligemma等。 2024.5.29 注：本文后续不再更新，如果想了解更新的特...
-
【AIGC调研系列】MiniMax 稀宇科技的abab 6.5 系列模型与国外先进模型相比的优缺点
MiniMax稀宇科技的abab 6.5系列模型与国外先进模型相比，具有以下优缺点： 优点： abab 6.5系列模型采用了MoE（Mixture of Experts）架构，这是国内首个采用此架构的大模型，标志着MiniMax在自然语言处理领域的技...
-
跟AI做搭子，还是这届年轻人会玩儿
这届年轻人越来越喜欢跟AI做搭子。 比如跟AI做生活搭子，让它帮自己挑水果，X平台网友“Cydiar”前不久发文，说自己用GPT-4o选出了水果店里薄皮沙瓤的一个甜西瓜。 对此，有超70万网友在线围观，还有不少人在评论区用AI选起了各种水果。 除了让...
-
AI日报：前百度高管推AI搜索产品Genspark；Kimi内测上下文缓存功能；TikTok推AI全家桶Symphony；橙篇已支持10万字长文生成
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。 新鲜AI产品点击了解：https://top.aibase.com/ 1、前百度高管景鲲创业AI搜索估值...
-
双排组到一个刀硬嘴甜的小姐姐，打完发现她竟是AI大模型。
永劫无间手游，终于在今天开启二测。 这意味着，在本次测试结束后，正式公测就真离我们不远了。 不知道差友里面多少人运气好，今天能顺利进入服务器。 反正官方的各种评论区下面，那些没抽到资格的玩家，已经有点走火入魔了。 而官方（24工作室和网易伏羲实验室 ）...
-
探索AIGC时代：全球大模型产品的评估与未来展望
随着人工智能技术的快速发展，AIGC（人工智能生成内容）产品的应用已经成为科技领域的一大趋势。本文通过详细分析我个人使用过的全球知名的AI大模型产品，如OpenAI的GPT系列、Google的Gemini、阿里巴巴的通义和Kimi，深入探讨它们的功能、优势...
-
【学习笔记】文生图模型——Stable diffusion3.0
2.0原理才看到VAE，sd3.0就发布了，虽然还没看到源码和详解，但原来的那个小方向估计得弃。人已经麻了。 1.LDMs模型（stable diffusion≈LDMs+CLIP） 2.stable diffusion3.0模型架构图...
-
AI日报：Hedra图转说话视频免费开放；Deepmind发布超牛自动视频配音技术V2A；美图WHEE V2正式上线；开源版Sora可一键生成720p高清视频
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。 新鲜AI产品点击了解：https://top.aibase.com/ 1、Hedra的 Characte...
-
笔记本电脑安装属于自己的Llama 3 8B大模型和对话客户端
选择 Llama 3 模型版本（8B，80 亿参数） 特别注意： Meta 虽然开源了 Llama 3 大模型，但是每个版本都有 Meta 的许可协议，建议大家在接受使用这些模型所需的条款之前仔细阅读。 Llama 3 模型版本有几个，我们主要关注...
-
ChatGPT等模型疯狂训练，最快2026年消耗尽公开文本数据
AI发展科研机构Epochai在官网发布了一项，关于大模型消耗训练数据的研究报告。 目前，人类公开的高质量文本训练数据集大约有300万亿tokens。但随着ChatGPT等模大型的参数、功能越来越强以及过度训练，对训练数据的需求呈指数级增长，预计将在202...