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。
3D 生成是 AI 视觉领域的研究热点之一。本文中，来自 Adobe 研究院和斯坦福大学等机构的研究者利用基于 transformer 的 3D 大型重建模型来对多视图扩散进行去噪，并提出了一种新颖的 3D 生成方法 DMV3D，实现了新的 SOTA 结果。
小羊驼团队的新研究火了。他们开发了一种新的解码算法，可以让模型预测100个token数的速度提高1.5-2.3倍，进而加速LLM推理。
AGI 到底离我们还有多远？在 ChatGPT 引发的新一轮 AI 爆发之后，伯克利和香港大学的马毅教授领导的一个研究团队给出了自己的最新研究结果：包括 GPT-4 在内的当前 AI 系统所做的正是压缩。
大模型能否理解自己所说，Hinton和LeCun再次吵起来了。LeCun新论文证明，GPT-4回答问题准确率仅为15%，自回归模型不及人类。AI大佬的激战再次掀起。Hinton在线直接点名LeCun，说他对AI接管风险的看法对人类的影响微乎其微。 这意味着，他把自己的意见看得很重，而把许多其他同样有资格的专家的意见看得很轻
这个名为「先知」的初创公司，希望开发出一种可穿戴设备，让你体验在清醒梦中醒来的感觉……《盗梦空间》要成真了？
针对Transformer，谷歌DeepMind一项新的发现引起了不小争议： 它的泛化能力，无法扩展到训练数据以外的内容。
DeepMind最新研究发现，只要模型设计上没有缺陷，决定模型性能的核心可能是训练计算量和数据。在相同计算量下，卷积神经网络模型和视觉Transformers模型的性能居然能旗鼓相当！
本文介绍了一份AI意识检查清单，用于评估AI系统是否具备意识。研究人员根据意识理论提取了6种意识指标，并通过评估Transformer和Perceiver等AI系统，展示了使用这些指标的方法。
最近多模态大模型是真热闹啊。 这不，Transformer一作携团队也带来了新作，一个规模为80亿参数的多模态大模型Fuyu-8B
