搜索
Transformer 架构可以说是近期深度学习领域许多成功案例背后的主力军。构建深度 Transformer 架构的一种简单方法是将多个相同的 Transformer 「块」（block）依次堆叠起来，但每个「块」都比较复杂，由许多不同的组件组成，需要以特定的排列组合才能实现良好的性能。
字节被称为“App工厂”，不少市场声音对字节跳动将这一能力带到大模型时代抱有期待。字节跳动近期成立了一个新AI部门Flow，技术负责人为字节跳动技术副总裁洪定坤。一位知情人士告诉36氪，这一新部门的业务带头人，为字节大模型团队的负责人朱文佳。
前几天，英伟达发布了2024财年三季度财报，业绩再度大超预期——三季度营收181.2亿美元，同比增长205.5%；营业利润104.2亿美元，同比增长1633.7%。让人不禁想问一句，英伟达的潜力尽头在哪里？
关于大模型注意力机制，Meta又有了一项新研究。通过调整模型注意力，屏蔽无关信息的干扰，新的机制让大模型准确率进一步提升。而且这种机制不需要微调或训练，只靠Prompt就能让大模型的准确率上升27%。
这年头，打造AI主播、虚拟人已然是见怪不怪了。现在还得给他们做配套的造型和布景？一款叫做梦之像的APP，专门就是干这事的。
由南洋理工华人团队新提出的80亿参数多模态大模型OtterHD，不仅可以搞定让GPT-4V都发愁的难题，甚至还可以数出来《清明上河图》（局部）里到底有多少只骆驼！
LeCun最新访谈视频中，再次坦露了自己对开源AI的看法。超级AI终有一天会诞生，但不会主宰人类。
大家都在猜测，Q*是否就是「Q-learning + A*」。 AI大牛田渊栋也详细分析了一番，「Q*=Q-learning+A*」的假设，究竟有多大可能性。 与此同时，越来越多人给出判断：合成数据，就是LLM的未来。
比尔·盖茨一句爆料，成为机器学习社区热议焦点： “GPT-5不会比GPT-4好多少。”
“AI 取代摄影”，或许真的在一步步靠近？这两日，一个名为 Magnific 的 AI 图像增强工具在外网似有冒头趋势。部分 AI 圈内的设计师第一时间得到了测试机会，并在 X 上分享了使用感受，其中不乏像 Linus Ekenstam 这样的 KOL 以及领英高级首席设计师 Armando Sotoca 这样的人物。