新闻中心 
-
01-18LeCun的评价：对ConvNet和Transformer进行Meta评测，哪一个更强？如何根据特定需求选择视觉模型？ConvNet/ViT、supervised/CLIP模型，在ImageNet之外的指标上如何相互比较？来自MABZUAI和Met...
-
01-17TaskWe*er：开源框架助力数据分析和行业定制，构建卓越的Agent解决方案数据分析一直是现代社会中的关键工具，帮助我们深入了解本质、发现规律并指导决策。然而，数据分析过程常常复杂且耗时，因此我们期望有一个智能助手可以直接与数据进行交互...
-
01-16AI未经学习！最新研究揭示了解读人工智能黑盒的方法人工智能（AI）一直在迅速发展，但对人类来说，强大的模型却是个「黑匣子」。我们不了解模型内部的运作原理，不清楚它得出结论的过程。然而最近，波恩大学（Univer...
-
01-16位置编码在Transformer中的应用：探究长度外推的无限可能性在自然语言处理领域，Transformer模型因其卓越的序列建模性能而备受关注。然而，由于其训练时限制了上下文长度，使得它及其基于此的大语言模型都无法有效地处理...
-
01-15中科大开发「状态序列频域预测」方法，性能提升20%，样本效率达到最大强化学习算法（ReinforcementLearning,RL）的训练过程通常需要大量的与环境互动的样本数据来支持。然而，在现实世界中，收集大量交互样本往往非常...
-
01-15阿里“AI替换万物”框架引发抢购，霉霉旗袍写真成热门点击！网友纷纷讨论：偶像靠真人不靠谱？ReplaceAnythingasyouwant。现在只需框住你需要保留的区域，AI就可以替换万物了！比如让霉霉穿上中国旗袍，结果发饰、服装、背景等各种细节全都...
