学习机器学习的人大部分都知道怎么设计并训练一个模型，但开发模型的目的是为了解决业务问题，所以怎么使用大模型也是重中之重，刚训练好的大模型事实上虽然可以用，但由于没有用户接口，所以只能自己用，无法对外提供服务；所以，刚训练好的大模型需要经过一些处理才可以使用，包括数据预处理，接口开发等，hugging...

  图像生成领域，有这么几种方法，Flow，Based、GAN，Based、VAE，Pixel，CNN系列、扩散模型自回归，更早期的是基于自编码器的图像生成，各种Auto，Encoder模型，以及影响很大的变分自编码器d，VAE，后面又有Flow，Based，不过似乎Flow，Based引起的注意不是那...

  多模态融合技术已成为人工智能重要领域，它涉及将来自不同传感器、时间和空间的数据进行有效整合，以提高决策系统的性能，特别是在高风险的决策环境中，如医疗诊断、金融市场分析和国防安全，准确预测人类决策表现对于避免错误和提高效率至关重要，多模态融合技术的应用前景广阔，它能够结合人类的生理信号，如脑电图EEG...

  多轮对话中大语言模型在做出正确判断后，如果面对追问中的质疑、否定、误导等干扰它还能坚持先前的正确判断吗，最近来自南京理工大学，NJUST，的研究者们发现大语言模型，LLMs，在面对追问时经常会在其判断上动摇，即使原始判断是正确的，这种判断的不一致性为生成可靠回应和建立用户信任带来了重大挑战，论文标题...

  情感识别技术在现代人机交互中扮演着越来越重要的角色，随着人工智能和机器学习技术的快速发展，理解和识别人类情感已成为实现更自然、更人性化互动的关键，情感识别不仅能够提升用户体验，还能在心理健康监测、智能客服、教育和娱乐等多个领域发挥重要作用，在对话情境中，准确识别情感尤为重要，因为情感状态直接影响交流...

  探索大型语言模型中的高阶心智理论在人类的社会互动中，理解他人的心理状态是一项至关重要的能力，这种能力被称为心智理论，TheoryofMind，ToM，心智理论使得人们能够推断和理解他人的信念、愿望、知识和情感，从而预测和影响他人的行为，随着人工智能领域的迅速发展，特别是大型语言模型，LargeLan...

  开视频远程会议的时候，很多人都不喜欢打开摄像头，即使开了，在界面上大家也都被框在不同的窗口里，虽然这种形式操作起来很方便，但总是缺乏点临场感，最近，谷歌提出了一项研究旨在解决这个问题，这个名叫ChatDirector的技术可以使用静态的2D头像生成3D虚拟人，让大家一同，坐在会议室里，开会，只是看起...

  论文一作兰宇时为南洋理工大学，NTU，博士生，导师为ChenChangeLoy，本科毕业于北京邮电大学，目前主要研究兴趣为基于神经渲染的3D生成模型、3D重建与编辑，在ECCV2024中，来自南洋理工大学S，Lab、上海AILab以及北京大学的研究者提出了一种原生3DLDM生成框架，具体来讲，他们针...

  文章链接，https，arxiv.org，pdf，2409.07452Github链接，https，github.com，yanghb22，fdu，Hi3D，Official总结速览解决的问题Hi3D框架旨在解决从高分辨率图像生成3D模型时面临的挑战，特别是如何在多个视角之间保持几何一致性和高质量的...

  文章链接，https，arxiv.org，pdf，2407.06191github链接，https，tailor3d，2024.github.io，Huggingface，https，huggingface.co，spaces，alexzyqi，Tailor3D亮点直击，3DAIGC，人工智能生成内...

  ​AFlow是一个用于自动生成和优化Agentic工作流的框架，它使用蒙特卡洛树搜索，MonteCarlotreesearch，在代码表示的工作流空间中查找有效的工作流，用机器工作取代手动开发，在各种任务上都显示出超越手工工作流的潜力，由MetaGPT开源，AFLOW，以黄色突出显示，在所有六个基准...

  本文介绍了使用FastAPI和Docker生成一个随时可用的HuggingFace模型，​想象一下，利用HuggingFace模型来确定评论的情绪，在过去，第一步是制作这样一个模型，并确保它正常工作，然而，今天的预训练模型让我们只需花很少的精力，就能准备好这样的大语言模型，LLM，一旦我们准备好使用...

  今天给大家介绍一篇WWW2024中，由于新嘉博国立大学和香港科技大学联合发表的多模态时间序列预测模型UniTime，通过文本信息实现统一跨域时间序列预测，论文标题，UniTime，ALanguage，EmpoweredUnifiedModelforCross，DomainTimeSeriesFore...

  今天给大家介绍一篇清华大学发表于NIPS2024中的大模型时间序列预测工作AutoTimes，使用大模型进行自回归形式的时间序列预测，并结合In，ContextLearning提升预测效果，论文标题，AutoTimes，AutoregressiveTimeSeriesForecastersviaLa...

  Transformer的序列建模能力，让其天然就比较适合时间序列这种也是序列类型的数据结构，但是，时间序列相比文本序列也有很多特点，例如时间序列具有自相关性或周期性、时间序列的预测经常涉及到周期非常长的序列预测任务等，这些都给Transformer在时间序列预测场景中的应用带来了新的挑战，也使业内出...