
超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务在当前内卷严重的实时目标检测 (Real-time Object Detection) 领域,性能与效率始终是难以平衡的核心问题。绝大多数现有的 SOTA 方法仅依赖于更先进的模块替换或训练策略,导致性能逐渐趋于饱和。
在当前内卷严重的实时目标检测 (Real-time Object Detection) 领域,性能与效率始终是难以平衡的核心问题。绝大多数现有的 SOTA 方法仅依赖于更先进的模块替换或训练策略,导致性能逐渐趋于饱和。
Grok 大模型终于能看懂图像了。
世界模型,也被称为世界模拟器,正被一些人视为人工智能的下一个重大突破。
现在有这么多初创公司提供可以做从听取会议并转录到记笔记和提取见解的 AI 机器人,行业内的公司被迫通过提供额外的功能集和集成来实现差异化。
Clout Kitchen定位“APP工厂”,四个月前推出首款AI游戏伙伴,主打借助AI浪潮颠覆传统游戏行业,构建与平台游戏主播、职业选手的互动体验,赋予主播等类型创作者时间双线性价值,以及用户更好的游戏体验。
Anthropic CEO Dario Amodei 预测,凭借强大的AI的力量,生物学和医学将加速进步,在未来5-10年内实现原本需要50-100年的成果。他称这一现象为“压缩的21世纪”,即AI能够让人类在几年内取得整整一个世纪的生物医学成就。
伦敦人用AI“夺回”好吃的餐厅。
30000+医生使用的AI工具,翻车了。
别说Prompt压缩不重要,你可以不在乎Token成本,但总要考虑内存和LLM响应时间吧?一个显著的问题逐渐浮出水面:随着任务复杂度增加,提示词(Prompt)往往需要变得更长,以容纳更多详细需求、上下文信息和示例。这不仅降低了推理速度,还会增加内存开销,影响用户体验。
前Neuralink总裁创立的脑机接口公司Science Corporation,正在开发一种名为「Prima」的芯片技术。初步试验结果表明,38名患者中,有81%的患者视力得到了大幅度的改善。几位知名眼科医生都直称:「这是第一个有可能成功恢复AMD患者视力的重大进展!」
最近,在全球人工智能模型竞技场(Artificial Analysis)文生图模型排行榜中,一个名叫Red_panda的新模型突然杀出重围,以9%的胜率超越了原榜一大哥Flux1.1Pro成为新王!
AI 硬件的关键,在于持续深入融入用户生活
做好研发投入和成本控制的平衡,成为智驾比拼输赢的关键。
AI裁判通过反馈生成更公正报告,接近共识。
以生成式AI突破PCBA设计自动生成市场。
36氪获悉,知行机器人科技(苏州)有限公司(以下简称“知行机器人”)于近期完成数千万元B轮融资,本轮融资由诚美资本与中关村智友科学家基金联合领投。融得资金将用于公司核心产品及系统的研发、拓展及推广。
吴恩达老师提出了一种反思翻译的大语言模型 (LLM) AI 翻译工作流程
分享一篇近期由华为和阿卜杜拉国王科技大学合作完成的一项生信分析与大语言模型相结合的工作,相关成果发表在《Advanced Science》上。
当AI开始接管你的手机…… 经过一年多的摇旗呐喊,AI手机终于还是在2024年完成了对智能手机的替代。
AI越使用越懂你,依赖性增强。
2024年还剩不到70天,AI行业已经历多轮大洗牌了。
逐鹿AI大舞台,谁将脱颖而出,引领风骚 人工智能浪潮的掀起,世界正迎来一场前所未有的技术革命。
日前,MLCommons协会发布最新MLPerf™ Storage v1.0 AI存储基准测试成绩。浪潮信息分布式存储平台AS13000G7表现出众,在3D-UNet和CosmoFlow两个模型共计8项测试中,斩获5项性能全球第一。
人工智能的发展速度不断加快,以前从未想到过的能力现在已成为现实。尤其是AI代理——或者可以说是虚拟同事,在未来,他们将与我们一起工作,甚至最终能够独立执行任务。
在人工智能的发展长河中,我们正站在一个激动人心的转折点。
就在昨晚,苹果发布了搭载M4芯片的新款iMac。
欧洲科研团队近日开发出一套解析生猪叫声的人工智能系统。该研究共同负责人、哥本哈根大学行为生物学家埃洛迪·曼德尔-布里弗(Elodie Mandel-Briefer)表示,这一系统可帮助养殖户及时发现生猪的不良情绪状态,从而改善养殖质量。
10月28日,澎湃新闻记者获悉,字节跳动准备在欧洲设立AI研发中心,已开始在欧洲积极招募LLM(大语言模型)和AI领域的顶尖技术人才,以加强其在全球第二大经济体中的人工智能研发能力。
“前所未有的干旱紧急状况要求采取紧急行动。”
TS-Reasoner是一个创新的多步推理框架,结合了大型语言模型的上下文学习和推理能力,通过程序化多步推理、模块化设计、自定义模块生成和多领域数据集评估,有效提高了复杂时间序列任务的推理能力和准确性。实验结果表明,TS-Reasoner在金融决策、能源负载预测和因果关系挖掘等多个任务上,相较于现有方法具有显著的性能优势。