本期我们邀请到了 纽约大学计算机科学院博士 童晟邦 带来【多模态大模型：视觉为中心的探索】的主题分享。
AI掌握自我设计的权力，将会怎样？最近，来自UBC等机构研究人员提出了「智能体自动化设计」系统，让元智能体使用搜索算法，自动构建强大的同类。
无需硬件传感器或对现有网络环境进行重大改动即可轻松部署。
单目深度估计新成果来了！
如今，推荐系统已成为我们日常生活中不可或缺的一部分。无论是观看视频、浏览社交媒体，还是网上购物，推荐算法都在默默地影响着我们的选择。然而，传统的推荐系统往往只关注用户的短期行为，忽视了长期用户满意度这一更为重要的目标。
“中美AI差距究竟有几年？”这个问题困扰了不少只要根深蒂固，任尔东西南北风人，也有很多声音尝试将中美AI实力进行比较。其中，算法，一定是评判的首要标准。
没有算法没有实验，从2610篇收录论文中脱颖而出，成为唯一一篇纯理论入选2024 ICML Spotlight的论文。
大模型展现出了卓越的指令跟从和任务泛化的能力，这种独特的能力源自 LLMs 在训练中使用了指令跟随数据以及人类反馈强化学习（RLHF）。
家处某二线城市的明明，在当地一所普通高校就读，还有一年就要大学毕业的他，害怕毕业后不好找工作，最近花了2万多元在当地培训机构报名了“AI训练师”的课程。 AI训练师指“使用智能训练软件，在人工智能产品实际使用过程中进行数据库管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业的人员”，可以简单理解为，所有与AI训练相关的职业，这一职业，在2020年被纳入国家职业分类目录。
在本次直播对话中，我们邀请到了两位在AI for Science领域的杰出专家——深势科技生物医药工业软件负责人郑行和北京科学智能研究院算法研究员郑大也，一起聊了聊AI for Science的AI与传统AI的不同之处。
