搜索
「相比于强化学习（RL），我确实更喜欢模型预测控制（MPC）。至少从 2016 年起，我就一直在强调这一点。强化学习在学习任何新任务时都需要进行极其大量的尝试。相比之下，模型预测控制是零样本的：如果你有一个良好的世界模型和一个良好的任务目标，模型预测控制就可以在不需要任何特定任务学习的情况下解决新任务。这就是规划的魔力。这并不意味着强化学习是无用的，但它的使用应该是最后的手段。」
2024年世界机器人大会（WRC 2024），将于8月25日，也就是今天落幕。几乎每个去现场看过的人，都会发出一句，“怎么这么多人”的感叹。
生成式AI应用排名中，创意工具最受欢迎，消费助手竞争激烈，字节跳动显著发力。 • 创意工具不断吸引消费者，新上榜公司中58%来自创意领域 • 成为“最佳消费者助手”产品的竞争加剧，ChatGPT仍居首位 • 字节跳动在AI应用领域扩展，多个新应用首次上榜
在当今人工智能领域，大语言模型及其相关工具正在迅速发展，涵盖了编程、数据库、检索引擎、聊天机器人、生成式 AI 工具、模型 API、开发框架和平台等各个方面。
历史上大国相争动辄持续数十年，简单史观往往把最终胜负归结为某个人或者其它某个偶然事件，这其实是不对的
随着LLM不断迭代，偏好和评估数据中大量的人工标注逐渐成为模型扩展的显著障碍之一。Meta FAIR的团队最近提出了一种使用迭代式方法「自学成才」的评估模型训练方法，让70B参数的Llama-3-Instruct模型分数超过了Llama 3.1-405B。
AI圈，再次开卷图像生成。
热衷于开课并与网友分享新技术使用心得的 AI 大牛 Karpathy，也有被质疑「为推销某个产品而在言论中夹带私货」的一天。
最近 ACL 2024 论文放榜，扫了下，SMoE（稀疏混合专家）的论文不算多，这里就仔细梳理一下，包括动机、方法、有趣的发现，方便大家不看论文也能了解的七七八八，剩下只需要感兴趣再看就好。
在人工智能领域，图像生成技术一直是一个备受关注的话题。近年来，扩散模型（Diffusion Model）在生成逼真且复杂的图像方面取得了令人瞩目的进展。然而，技术的发展也引发了潜在的安全隐患，比如生成有害内容和侵犯数据版权。这不仅可能对用户造成困扰，还可能涉及法律和伦理问题。