【直播】Sora 物理悖谬的几何解释 | 顾险峰老师开讲 | 3月1日 19:30

于 2024-02-28 11:23:03 发布
阅读量923 收藏
点赞数
原文链接：https://mp.weixin.qq.com/s?__biz=MzIzOTAxOTk3Nw==&mid=2247522346&idx=1&sn=152afce669c605e02f86b9f0367cdbc8&chksm=e834ffdc7a59de79c0078146c5581bd5e23566c1e9634286018ed2abe895e7fb853c15c1c28d&scene=126&sessionid=0
版权

点击蓝字

59769bdddf0a53818329445c1b865dfa.jpeg

关注我们

AI TIME欢迎每一位AI爱好者的加入！

daf003d61d3e231f87eb46b00d8d37a3.jpeg

哔哩哔哩直播通道

扫码关注AITIME哔哩哔哩官方账号预约直播

3月1日 19:30-21:00

c5b7d3b73e0c55e752c3cad798a71813.jpeg

095cd1b5a9f0cb61bedef83a058e6a0e.png

讲者介绍

2b60e76ad9c0888f07c3fd472fce6ede.png

顾险峰，纽约州立大学石溪分校计算机科学系的纽约帝国创新教授，哈佛大学数学科学与应用中心的客座教授。他于1994 年从中国北京清华大学获得学士学位，于2002 年从哈佛大学计算机科学系获得博士学位，师从菲尔兹奖得主丘成桐先生。

顾博士的研究集中在将现代拓扑学和几何学理论应用于工程和医学领域。顾博士是一个跨学科领域——计算共形几何的主要创始人之一，并将其应用于实际问题，例如基于霍奇分解定理的全局曲面参数化在计算机图形学中的应用、基于Teichmuller映射的可变形形状配准在计算机视觉中的应用、基于Abel-Jacobi定理的结构化网格生成在CAD/CAE中的应用、曲率收敛分析在数字几何处理中的应用、基于几何最优输运的生成模型在可解释人工智能中的应用、共形脑部映射和虚拟结肠镜检查在医学成像中的应用等等。

9ff0351a67d30c6829dbfbc6869c8370.png

报告题目

b605fb35791fa5bc8994686f1801a1fc.png

Sora物理悖谬的几何解释

8413a4ff249b0182b6a466cbee9978e6.png

报告简介

8c2013ffa12074187af662bd84e60ec5.png

依随OpenAI透露出更多技术细节，很多Sora生成的物理悖谬的视频流传于网络。本次分享将依据现代数学特别是整体微分几何领域的一些观点来解释目前Sora技术路线中的缺陷，主要用流形嵌入理论、灾变理论（临界态理论）、纤维丛示性类理论、热扩散方程和最优传输方程（蒙日-安培方程）的正则性理论来解释。

往期精彩文章推荐

d1869c5c81d3cd8b2a7d9f58927f5a5e.png

记得关注我们呀！每天都有新知识！

 关于AI TIME 

AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。

迄今为止，AI TIME已经邀请了1700多位海内外讲者，举办了逾600场活动，超700万人次观看

f26105be980bbc6135bdf97d80deed47.png

我知道你

在看

哦

~

5181bfbe64b8ee9b87a1f5e0791211f8.gif

点击 阅读原文 预约直播！

AITIME论道
关注
博客
本周大模型新动向：知识蒸馏、超强智能体、推理行为分化
06-07 666
结果表明，与之前的看法相反，针对最先进的基于对齐的防御措施，有效的对抗性后缀确实存在，这些后缀可以通过现有攻击方法找到，当攻击者利用对齐知识时，甚至通用后缀也存在。总体而言，这些结果突出了当前基于对齐的方法的脆弱性，以及在测试LLMs的安全性时需要考虑更强的威胁模型。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
AdaptThink：让推理模型学会何时思考｜直播预告
06-06 243
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾800场活动，超1000万人次观看。ICML 2025结果出炉｜一作讲者已开启招募，欢迎新老朋友来预讲会相聚！AI TIME欢迎每一位AI爱好者的加入！提出观点，表达想法，欢迎。
博客
CVPR 2025 Oral | 无需共享数据，如何用几何知识对齐全局分布？
06-05 135
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。GGEUR的核心思想是，在不共享原始数据的前提下，服务器通过客户端上传的局部嵌入统计信息（均值和协方差）估计全局分布的几何形状，再将其下发至客户端，引导后者生成符合全局分布结构的新样本，从而缩小局部与全局分布之间的差距。然而，联邦学习中的一个核心挑战是。
博客
CVPR 2025 Oral | 卷积网络又双叒叕行了？OverLoCK:一种仿生的卷积神经网络视觉基础模型
06-04 130
为了能够更好地适应不同输入分辨率，同时保持强大的归纳偏置，进而充分利用 Overview-Net 提供的 Top-down Guidance，研究团队提出了一种新的动态卷积模块 --- ContMix。值得注意的是，所提出的 ContMix 是一种即插即用的模块。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
CVPR 2025 预讲会 | DAMO开发者矩阵专场
06-03 375
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾800场活动，超1000万人次观看。ICML 2025结果出炉｜一作讲者已开启招募，欢迎新老朋友来预讲会相聚！AI TIME欢迎每一位AI爱好者的加入！提出观点，表达想法，欢迎。
博客
CVPR 2025特邀报告 港大赵恒爽老师：空间智能视觉基础模型｜课题组专场分享
06-02 403
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾800场活动，超1000万人次观看。ICML 2025结果出炉｜一作讲者已开启招募，欢迎新老朋友来预讲会相聚！添加"AI TIME小助手"，发送“CVPR”，AI TIME欢迎每一位AI爱好者的加入！
博客
本周大模型新动向：多模型压缩、双向蒸馏、多模态对齐
06-01 843
本文认为，语言并不总是推理的最自然或最有效的模态，特别是在涉及空间和几何信息的任务中。从多模型压缩的角度来看，模型合并能够以节省内存的方式服务于从同一基础模型微调的多个模型，但由于它们的任务特定参数调整（即deltas）之间的干扰，会导致性能下降。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
六年，我们让每位青年都能C位出道
05-30 403
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。六年里，我们见证了 1600 + 位青年讲者从“初次登台的紧张” 到 “从容分享的自信”：有人带着在 AI TIME 打磨的思路敲开了顶级实验室的大门，有人通过平台合作开启了跨学科研究，更有人把在这里收获的思辨习惯带入日常学习。2025年AI圈，真的是很热闹啊！
博客
六年思辨不止，AI TIME生日快乐
05-29 572
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾800场活动，超1000万人次观看。六年里，我们追问智能的边界，探索人类与技术的共生之道。AI TIME，源自AI爱好者的共同提问。AI的尽头，是人类思想的镜像。AI，是工具，还是伙伴？
博客
CVPR 2025特邀报告：港大罗平教授｜MM Lab专场分享
05-28 555
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾800场活动，超1000万人次观看。ICML 2025结果出炉｜一作讲者已开启招募，欢迎新老朋友来预讲会相聚！添加"AI TIME小助手"，发送“CVPR”，AI TIME欢迎每一位AI爱好者的加入！
博客
今天10:30｜ CVPR 2025预讲会开启，全议程码住
05-27 679
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾800场活动，超1000万人次观看。，华中科技大学本科生，上海AI Lab 科研实习生。添加"AI TIME小助手"，发送“CVPR”，将拉您进“AI TIME 交流群”！提出观点，表达想法，欢迎。
博客
ACL’25 | 群体比较推理释放LLM-as-a-Judge 在评测中的scaling效果
05-25 481
此外，我们的研究证明，高质量的CoT推理不仅能够提升多个评测基准上的评测可靠性，还能提高CoT蒸馏的效率，同时拓展了基于群体评测方法的应用范围。当这些群体回复与候选回复。广泛的实验表明，我们的方法显著提高了评测的可靠性，在五个评测基准上平均提升了 6.7% 的准确率。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
本周大模型新动向：高效推理压缩、云协作多Agent框架、偏好对齐
05-25 1066
终止延迟，即使在得出自信的答案后，推理仍在继续。本文评估了最先进的推理模型在提示中呈现的 6 种推理提示下的 CoT 真实性，发现：（1）在大多数设置和测试模型中，CoT 在至少 1% 的使用提示的示例中揭示了其对提示的使用，但揭示率通常低于 20%；AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
沈春华教授：通过模仿人工标注轨迹探索多模态大模型的像素理解能力 | CVPR 2025 预讲会特邀报告
05-23 699
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾800场活动，超1000万人次观看。ICML 2025结果出炉｜一作讲者已开启招募，欢迎新老朋友来预讲会相聚！添加"AI TIME小助手"，发送“CVPR”，AI TIME欢迎每一位AI爱好者的加入！
博客
CVPR 2025预讲会54位讲者相聚｜3场特邀报告+3个团队专场+5大主题方向
05-22 997
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾800场活动，超1000万人次观看。，华中科技大学本科生，上海AI Lab 科研实习生。添加"AI TIME小助手"，发送“CVPR”，将拉您进“AI TIME 交流群”！提出观点，表达想法，欢迎。
博客
模型效用定律：迈向可泛化评估之路｜复旦大学曹艺馨老师开讲
05-20 979
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾800场活动，超1000万人次观看。ICML 2025结果出炉｜一作讲者已开启招募，欢迎新老朋友来预讲会相聚！AI TIME欢迎每一位AI爱好者的加入！提出观点，表达想法，欢迎。
博客
ICLR‘25 | 大模型的长上下文自进化训练
05-18 710
目前，主流模型一般倾向于只使用非常少量的长文本数据来对齐模型（例如，LLaMA 3.1 的长文本后训练数据只有 1% 的比例）以适应实践中短文本占主流的场景，导致模型能力无法被很好地迁移到长文本场景中。上述长文本训练方法存在的问题是，所需的长文本后训练数据集通常需要人来标注，而人天然不擅长阅读长文本并给出足够的标注信息。长文本训练过程一般不采用 DPO 方法，因为 DPO 需要一个参考模型来约束模型输出，而参考模型本身往往并没有针对长文本优化，所以用于长文本场景时是不可靠的，可能会让模型走向错误的方向。
博客
ICLR‘25 | 大模型的长上下文自进化训练
05-18 699
目前，主流模型一般倾向于只使用非常少量的长文本数据来对齐模型（例如，LLaMA 3.1 的长文本后训练数据只有 1% 的比例）以适应实践中短文本占主流的场景，导致模型能力无法被很好地迁移到长文本场景中。上述长文本训练方法存在的问题是，所需的长文本后训练数据集通常需要人来标注，而人天然不擅长阅读长文本并给出足够的标注信息。长文本训练过程一般不采用 DPO 方法，因为 DPO 需要一个参考模型来约束模型输出，而参考模型本身往往并没有针对长文本优化，所以用于长文本场景时是不可靠的，可能会让模型走向错误的方向。
博客
ICLR‘25 | 大模型的长上下文自进化训练
05-18 703
目前，主流模型一般倾向于只使用非常少量的长文本数据来对齐模型（例如，LLaMA 3.1 的长文本后训练数据只有 1% 的比例）以适应实践中短文本占主流的场景，导致模型能力无法被很好地迁移到长文本场景中。上述长文本训练方法存在的问题是，所需的长文本后训练数据集通常需要人来标注，而人天然不擅长阅读长文本并给出足够的标注信息。长文本训练过程一般不采用 DPO 方法，因为 DPO 需要一个参考模型来约束模型输出，而参考模型本身往往并没有针对长文本优化，所以用于长文本场景时是不可靠的，可能会让模型走向错误的方向。
博客
ICLR‘25 | 大模型的长上下文自进化训练
05-18 704
目前，主流模型一般倾向于只使用非常少量的长文本数据来对齐模型（例如，LLaMA 3.1 的长文本后训练数据只有 1% 的比例）以适应实践中短文本占主流的场景，导致模型能力无法被很好地迁移到长文本场景中。上述长文本训练方法存在的问题是，所需的长文本后训练数据集通常需要人来标注，而人天然不擅长阅读长文本并给出足够的标注信息。长文本训练过程一般不采用 DPO 方法，因为 DPO 需要一个参考模型来约束模型输出，而参考模型本身往往并没有针对长文本优化，所以用于长文本场景时是不可靠的，可能会让模型走向错误的方向。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值