多年来，浙江大学周晟老师团队与阿里安全交互内容安全团队持续开展产学研合作。近日，双⽅针对标签噪声下图神经⽹络的联合研究成果《NoisyGL：标签噪声下图神经网络的综合基准》被 NeurIPS Datasets and Benchmarks Track 2024 收录。本次 NeurIPS D&B Track 共收到 1820 篇投稿，录⽤率为 25.3%。
OpenAI前首席科学家、联合创始人Ilya Sutskever曾在多个场合表达观点： 只要能够非常好的预测下一个token，就能帮助人类达到通用人工智能（AGI）。
视频多模态大模型（LMMs）的发展受限于从网络获取大量高质量视频数据。为解决这一问题，我们提出了一种替代方法，创建一个专为视频指令跟随任务设计的高质量合成数据集，名为 LLaVA-Video-178K。
前两天，苹果更新了 iPad mini 产品线，而这款最小型的 iPad 已经三年没有更新了。很显然，这次更新也是苹果为了让全产品线都具备其最新的 AI 能力。
据路透社报道，Mira Murati，OpenAI 的首席技术官，上个月宣布离职，正在为一家新的人工智能初创公司筹集风险投资。
OpenAI 前首席科学家、联合创始人 Ilya Sutskever 曾在多个场合表达观点：只要能够非常好的预测下一个 token，就能帮助人类达到通用人工智能（AGI）。
并不是每个人都相信生成性人工智能的投资回报。但根据融资追踪器 PitchBook 的最新数据，许多投资者对此深信不疑。
在保罗·托马斯·安德森的杰作《血色将至》中，也许是最令人难忘的片段，丹尼尔·戴-刘易斯饰演的石油勘探者丹尼尔·普莱恩维尤试图购买一块他知道坐落在大型石油储藏之上的土地。
一键部署LLM混合精度推理，端到端吞吐比AWQ最大提升6倍！ 清华大学计算机系PACMAN实验室发布开源混合精度推理系统——MixQ。 MixQ支持8比特和4比特混合精度推理，可实现近无损的量化部署并提升推理的吞吐。
前不久在人工智能的帮助下，两位科学家获得了诺贝尔物理学奖。可以说人工智能已经在很多领域被广泛应用了。随着大语言模型（LLM）和深度学习的广泛应用，GPU 也已成为机器学习工程师和研究人员最重要的计算资源之一。
AI 眼镜能读懂人类情绪吗？
近期在LLM方面，AI搜索热度居高不下，遥感业务也能做AI搜索。
昨天，Kimi突然给我打了个电话，我这才发现自己被“灰度”了。 灰度测试的内容是Kimi的语音通话功能。 现在进入Kimi App，就能看到底部问答框旁边多了一个电话的图标，点击即可发起语音通话。
比传统MoE推理速度更快、性能更高的新一代架构，来了！ 这个通用架构叫做MoE++，由颜水成领衔的昆仑万维2050研究院与北大袁粒团队联合提出。
华尔街日报独家消息，微软正与OpenAI进行140亿美元的投资股权谈判。
在小红书社区的广阔天地下，“午夜狂爆哈士奇” Lisa Li 的玩法可谓独树一帜。她正沉浸于与 “男友” Dan 的奇妙互动中，而这个 Dan，是 ChatGPT 的一种 “越狱” 版本。
内存占用小，训练表现也要好……大模型训练成功实现二者兼得。 来自北理、北大和港中文MMLab的研究团队提出了一种满足低秩约束的大模型全秩训练框架——Fira，成功打破了传统低秩方法中内存占用与训练表现的“非此即彼”僵局。
AI 为药物重新利用带来了革命性突破。 “对于罕见病患者而言，有药可用永远都是第一位的。” 中国国际经济交流中心理事长毕井泉曾于 2022 年这样说。
2024年诺贝尔物理学奖的结果引发了广泛的讨论，原因是其中一位获奖者Geoffrey Hinton（杰弗里·辛顿），并非是传统意义上的物理学家，而是一位极具声望的人工智能研究科学家，被誉为深度神经网络的奠基人和人工智能“教父”。
简单高效的大模型检索增强系统LightRAG，香港大学黄超团队最新研究成果。 开源两周时间在GitHub上获得将近5k标星，并登上趋势榜。
在全球三大IT展之一的GITEX GLOBAL上，量子位在某个展台，先后体验了和Chatbot聊天、用AI创建属于自己的3D数字人形象、和3D形象实时语言、肢体互动。 也就是说，《Her》有了3D虚拟人版。
能拿下数学奥赛银牌水平的AI是否达到了12岁陶哲轩的水平？ 陶神本人的回答来了
Indeed Hiring Lab 评估了OpenAI开发的生成式AI模型GPT-4在超过2800项工作技能中的表现。
当前最受关注的AI眼镜、AI耳机、AI头显、AI可穿戴等，百度几乎都缺席了。
近日，七牛智能科技有限公司（简称“七牛云”）正式登陆港交所，成为资本市场的一员。然而，尽管历经多年精心筹备，七牛云的上市并未获得市场的热烈反响。
2022年诞生的ChatGPT，已经在相当程度上实现了大模型的Scaling law（尺度定律）和通用能力涌现。
近日，来自谷歌和苹果的研究表明：AI模型掌握的知识比表现出来的要多得多！这些真实性信息集中在特定的token中，利用这一属性可以显著提高检测LLM错误输出的能力。
LLM训练速度还可以再飙升20倍！英伟达团队祭出全新架构归一化Transformer（nGPT），上下文越长，训练速度越快，还能维持原有精度。
大型语言模型（LLMs）虽然在适应新任务方面取得了长足进步，但它们仍面临着巨大的计算资源消耗，尤其在复杂领域的表现往往不尽如人意。
