- 博客(888)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 人工智能大模型讲师培训老师叶梓介绍及多模态大模型原理与实践提纲
通过本次培训，拓展对多模态AI应用领域的视野，帮助团队聚焦AI赋能创新突破，提升对AI服务的技术认知与理解，更好地助力业务智能化业务建设。
2024-07-12 16:00:00
475
原创 人工智能培训讲师咨询叶梓介绍及智能医疗技术与ChatGPT临床应用三日深度培训提纲
叶梓，上海交通大学计算机专业博士毕业，高级工程师。主研方向：数据挖掘、机器学习、人工智能。历任国内知名上市IT企业的AI技术总监、资深技术专家，市级行业大数据平台技术负责人。长期负责城市信息化智能平台的建设工作，开展行业数据的智能化应用研发工作，牵头多个省级、市级行业智能化信息系统的建设，主持设计并搭建多个省级、市级行业大数据平台。参与国家级人工智能课题，牵头上海市级人工智能示范应用课题研究。
2024-05-08 16:11:22
897
原创 人工智能讲师AI讲师大模型讲师叶梓简历及大语言模型技术原理与实践提纲
本课程旨在通过实际案例展示ChatGPT、ChatGLM、Langchain等相关大语言模型的具体应用场景及实践技巧，从而帮助学习者深入了解和掌握大语言模型的概念和更广泛的应用，深入理解其工作方式，包括其基础知识、核心算法和实现方式，掌握其在各行业领域中的应用情况等。该课程适合于对大语言模型技术感兴趣的学习者，从初学者到进阶者均可受益。经过本课程的学习，获得相关技术实战经验，通过一系列的实践案例提高利用大模型解决实际问题能力。
2024-02-21 16:30:38
1397
原创 AI人工智能大模型讲师叶梓简历及《基于人工智能的内容生成（AIGC）理论与实践》培训提纲
本课程介绍了chatGPT相关模型的具体案例实践，通过实操更好的掌握chatGPT的概念与应用场景，可以作为chatGPT领域学习者的入门到进阶级课程。1、指示学习（Instruct Learning）6、Batch Norm与Layer Norm。2、Transformer中的block。1、你需要的仅仅是“注意力”7、chatGPT的应用领域。8、chatGPT引发的讨论。5、位置编码（抛弃RNN）4、从人类反馈中RL的思路。3、有监督微调（SFT）5、奖励建模（RM）
2023-12-30 13:26:21
863
原创 人工智能AIGC培训讲师叶梓简历及AI强化学习培训提纲
强化学习是当前最热门的研究方向之一，广泛应用于机器人学、电子竞技等领域。本课程系统性的介绍了强化学习（深度强化学习）的基本理论和关键算法，包括：马尔科夫决策过程、动态规划法、蒙特卡罗法、时间差分法、值函数逼近法，策略梯度法等；以及该领域的最新前沿发展，包括：DQN及其变种、信赖域系方法、Actor-Critic类方法、多Agent深度强化学习等；同时也介绍大量的实际案例，包括深度强化学习中最著名的工程应用：Alpha Go。
2023-12-06 14:16:05
1278
原创 人工智能ai大模型培训师专家讲师叶梓介绍及ChatGPT提纲
叶梓，长期负责城市信息化智能平台的建设工作，牵头多个省级、市级智能化信息系统的建设，主持设计并搭建多个行业省级、市级大数据平台。参与国家级行业人工智能课题研究，牵头市级行业人工智能课题（智能化医疗产品、智能化场景应用）研究。带领团队在相关行业领域研发多款人工智能创新产品，成功落地多项大数据、人工智能前沿项目。参与国家级、省级大数据技术标准的制定，曾获省部级以上的科技创新一等奖。8、chatGPT的应用领域。9、chatGPT引发的讨论。2、 GPT的内部架构。5、 GPT的应用场景。6、奖励建模（RM）
2023-03-25 16:42:58
2531
原创 AI工智能讲师叶梓培训简历及提纲：AI人工智能之基于人工智能的内容生成（AIGC）简历提纲
AIGC并不是一个全新的概念，它最早出现在深度学习模型“对抗生成网络”GAN的应用中，被誉为“21世纪最强大的算法模型之一” ，后续发展起来的扩散模型，以及自然语言领域BERT、GPT等都是典型的AIGC模型。
2023-02-05 20:25:56
1084
原创 大数据人工智能培训讲师老师：叶梓简介 人工智能讲师ai讲师大数据讲师人工智能老师
上海交通大学计算机专业博士毕业，在校期间的主研方向为数据挖掘、机器学习、人工智能。毕业后即进入某大型软件上市公司从事大数据、人工智能等技术相关工作，曾先后作为技术经理或总工程师，负责大型信息平台、市级信息平台的建设工作，并参与省级信息平台的建设；主持制定了包括多份信息化工程标准。在大数据应用、人工智能等方面都有着丰富的经验。个人助理QQ：526346584案例及课程：主要课程：《数据分...
2019-09-11 09:45:18
11103
1
原创 人工智能兼职讲师ai讲师强化学习讲师叶梓老师《强化学习》课程介绍及提纲
2018年11月29日，叶梓老师在线直播课《强化学习》第一期正式开班。这是人工智能之机器学习中除深度学习之外另一门经典课程，是AI必修之课。人工智能的重要领域——强化学习当前的机器学习算法可以分为3种：有监督的学习（Supervised Learning）、无监督的学习（Unsupervised Learning）和强化学习（Reinforcement Learning）...
2018-12-27 10:39:34
1040
1
原创 AI兼职讲师人工智能兼职讲师叶梓老师 机器学习与深度学习培训提纲
课程时长】6天（6小时/天）【课程简介】人工智能的浪潮正在席卷全球，各种培训课程应运而生，但真正能让学员系统、全面掌握人工智能深度学习知识点，并且能学以致用的实战课程并不多见。本课程包含机器学习、深度学习的重要概念及常用算法（决策树、关联规则、聚类、贝叶斯网络、神经网络、支持向量机、隐马尔科夫模型、遗传算法、CNN、RNN、GAN等），以及人工智能领域当前的热点。通过6天的系...
2018-12-27 10:36:10
978
1
原创 赛尔笔记 | 具身大模型研究综述
目前机器人的成本正在逐渐下降到可接受范围，机器人的控制算法也越来越完善，但机器人的智能程度却相对较为落后，这也是本文的主要关注点。以家务场景下的机器人为例，一个智能机器人需要能感知整个房子的环境信息，并且需要考虑到每个用户的房子都不一样；对于复杂的做饭任务需要进行任务规划，这同样需要考虑多种情况，例如厨房的场景配置，用户的指令细节；对于任务规划得到的各个技能需要正确执行，例如炒菜、洗碗等。目前对于这些任务场景均没有效果好、落地佳的解决方案。上述仅是一个家务场景，理想中的机器人应该可以像人一样应对多种场景，如
2024-07-22 21:57:03
467
原创 UFO：革新Windows操作系统交互的UI聚焦代理
UFO采用双代理架构，其设计初衷是作为一个中间层，理解用户的自然语言请求，并将其转化为对Windows操作系统上应用程序的具体操作。UFO架构图Figure 2中UFO的架构以双代理框架为核心，包括一个HostAgent和一个AppAgent。HostAgent的职责是分析用户请求，并从当前活跃的应用程序中选择一个最合适的应用程序来执行任务。如果一个请求需要跨越多个应用程序，HostAgent也能够在完成前一个应用程序中的任务后，切换到不同的应用程序。HostAgent在接收到用户请求时，会进行需求分析。
2024-07-22 21:30:00
474
原创 ReadAgent，一款具有要点记忆的人工智能阅读代理
ReadAgent的工作流程，包括分页、主旨压缩和交互式查找Figure 1展示了 ReadAgent 的工作流程，这是一个模仿人类阅读习惯设计的系统，旨在有效处理和理解长文本。分页（Episode Pagination）：系统将长文本分解为一系列较小的、逻辑上连贯的文本块，即“剧集”，类似于将一本书分成多个章节。要点压缩（Gisting）：对每个文本块进行压缩，提取其核心要点，形成简洁的要点记忆，这有助于快速把握文本的主旨。交互式查找（Interactive Look-Up）
2024-07-22 14:34:25
345
原创 OS-Copilot：自学习的通用计算机智能体
现有的计算机智能体大多局限于特定应用或领域，难以应对多样化和不断变化的计算机操作需求。这种局限性不仅限制了智能体的实用性，也阻碍了其在更广泛场景中的应用潜力。为了突破这一瓶颈，研究者们一直在探索如何构建能够处理更广泛任务的通用计算机智能体。来自上海人工智能实验室、华东师范大学、普林斯顿大学和香港大学的研究团队提出了一种名为OS-Copilot的创新框架，它旨在实现可自我完善的通用计算机智能体。通过这一框架，不仅能够推动智能体在操作系统层面的深入交互，还能显著提升其在未知应用中的适应性和学习能力。
2024-07-21 19:45:00
390
1
原创 交互式智能代理基础模型：迈向通用人工智能的新途径
传统的AI系统主要集中在收集有用的感官信息上，而新一代的通用AI系统不仅要能够理解环境，还要能够以有意义的方式与之交互。交互式智能代理基础模型代表了开发具有跨任务和数据模态单一神经模型训练能力的通用AI系统的重要一步，这种方法在数据、计算和模型参数方面具有高度的可扩展性。
2024-07-21 13:15:00
594
原创 POK´ELLMON：在宝可梦战斗中实现人类水平的人工智能
最近，由美国乔治亚理工学院的Sihao Hu、Tiansheng Huang和Ling Liu发表的论文介绍了POK´ELLMON，这是一个开创性的基于大模型（LLM）的具身智能体，它在战术战斗游戏中，特别是宝可梦战斗中，实现了与人类相媲美的表现。这标志着人工智能在与虚拟环境互动方面的能力有了显著提升，这种互动方式与人类行为非常相似。
2024-07-20 17:45:00
440
原创 SwarmBrain: 通过大模型玩实时战略游戏《星际争霸II》
人工智能咨询培训老师叶梓 转载标明出处实时战略（RTS）游戏如《星际争霸II》一直被视为测试和提升AI能力的绝佳平台。尽管基于强化学习（RL）的AI代理在《星际争霸II》中取得了显著进展，但它们在处理复杂环境时仍面临挑战。LLMs以其高层次的抽象能力和对复杂情境的理解能力，为AI代理提供了更全面的战场视角，从而可能提高其在复杂场景中的表现和适应性。最近，来自宝马诚迈公司的研究团队在各种探索性任务中取得了显著成就，甚至超越了传统基于强化学习的方法。
2024-07-20 11:15:00
752
原创 Formal-LLM：使LLM代理的计划生成过程更可控
由于LLM生成内容的过程难以控制，导致生成的计划经常无效或无法执行，这不仅影响了计划的性能，还损害了用户对LLM代理的信任。为了提高代理的性能和用户信任度，控制LLM文本生成的尝试不断涌现，例如引入硬约束和软约束。然而，这些方法在控制LLM代理时更注重计划的有效性和工具使用，而不是纯粹的文本生成。来自罗格斯大学的研究团队提出了一个名为“Formal-LLM”的新框架，通过整合自然语言的表达力和形式语言的精确性，使LLM代理的计划生成过程更加可控。
2024-07-19 19:45:00
977
原创 ReplaceAnything3D: 文本引导的3D场景编辑技术
人工智能咨询培训老师叶梓 转载标明出处尽管在3D重建和生成方面取得了显著进展，但3D编辑仍然是一个较少研究的领域。来自伦敦大学学院、Alan Turing 研究所和 Meta 的研究团队提出了一种名为ReplaceAnything3D（RAM3D）的新型文本引导的3D场景编辑方法，该方法能够实现场景中特定对象的替换。RAM3D模型通过自然语言提示从用户那里替换场景中当前的对象为新内容。比如戴上VR头盔并尝试重新设计自己的客厅。
2024-07-19 12:45:00
877
转载 图解 transformer——注意力计算原理
本文为图解 Transformer 的第四篇文章。在前三篇文章中，我们学习了 Transformer 详细的架构与工作原理，以及多头注意力的运行机制。最后一篇文章，我们将更深入到注意力模块的内部，探讨为何注意力机制有效，以及注意力机制详细的计算原理。
2024-07-18 21:49:05
534
原创 3D生成技术的最新进展综述
自动生成3D模型一直是计算机视觉和图形学中的一个重要任务。随着神经表示和生成模型的进步，3D内容生成领域迅速发展，能够创建出越来越高质量的多样化3D模型。本文综述了3D生成技术的最新进展，涵盖了3D表示、生成方法、数据集以及相关应用。通过对这些技术的系统性总结，本文旨在为读者提供一个全面的3D生成框架和其基本原理的快速理解，并帮助研究人员在特定领域快速识别相关工作，促进3D内容生成领域的进一步发展。
2024-07-18 19:45:00
653
原创 探索生成式人工智能辅助编程：GPT-4与GLM-4的比较研究
人工智能咨询培训老师叶梓 转载标明出处生成式人工智能（GenAI）在软件开发领域的应用标志着自动化和创新的新时代。自2022年11月ChatGPT 3.5和2023年3月GPT-4的发布以来，GenAI的基础模型能力和应用领域都取得了显著进步。然而，将GenAI整合到编程实践中并非没有挑战。来自悉尼大学、深兰科技（上海）、中国创造学会和上海交通大学的研究团队通过比较GPT-4和GLM-4，旨在探索利用GenAI作为编程工具的最佳实践。
2024-07-18 12:45:00
838
原创 RoboCodeX：机器人行为合成的多模态代码生成
尽管在应用大型语言模型进行高层次理解方面取得了成功，但将这些概念性理解转化为详细的机器人动作，同时在不同场景中实现泛化，仍然是一个挑战。本文提出了一个名为RoboCodeX的树状结构多模态代码生成框架，旨在通过代码生成引入跨不同机器人平台的泛化能力。RoboCodeX框架由香港大学、上海AI实验室和其他几个学术机构共同开发。该框架的核心是将高级人类指令分解为以对象为中心的多个操作单元，每个单元都包含物理偏好和安全约束。
2024-07-17 19:45:00
908
原创 Debatrix：基于大型语言模型的多角度辩论评审系统
在辩论比赛中，评判辩论并非易事，它涉及到对长篇文本的理解、复杂论证关系的把握以及多维度的评估。然而，现有的研究多集中于短对话，鲜少关注对整个辩论过程的评价。本文提出了一个名为Debatrix的系统，它利用大型语言模型（LLMs）进行多轮辩论的分析和评估，以更好地符合多数人的偏好。
2024-07-17 12:45:00
777
原创 SongComposer：让大模型像人类一样具有音乐创作力
大模型在翻译、复杂语言环境中的推理等任务中展现出了人类级别的能力。这引发了一个问题：这些模型能否在更具情感、抽象性以及需要专业技能的领域中，如音乐创作，展现出人类的创造力呢？香港中文大学、北京航空航天大学和上海人工智能实验室的研究团队的最新研究 "SongComposer" 给出了肯定的答案，这是一个专为歌曲创作设计的创新性大型语言模型，它能够理解并生成旋律和歌词，为音乐产业带来新的变革。
2024-07-16 18:02:17
766
转载 【YOLO性能对比试验】YOLOv9c/v8n/v6n/v5n的训练结果对比及结论参考
通过整合 PGI 和多功能 GELAN 架构，YOLOv9 不仅增强了模型的学习能力，还确保了在整个检测过程中保留关键信息，从而实现了卓越的准确性和性能。本文主要是针对YOLOv9c/v8n/v6n/v5n这4种模型，在自己的某烟雾目标检测数据集上进行了训练对比实验，并得出了一些参考性的结论，供小伙伴们参考学习。注：本文训练结果得出的试验结论仅供参考，并不能一概而论，不同数据集的训练结果也可能会不一样。注：本文训练结果得出的试验结论仅供参考，并不能一概而论，不同数据集的训练结果可能也会不一样。
2024-07-16 14:44:58
292
原创 ChatMusician：用大模型理解并创造音乐
近期，一种名为ChatMusician的新型开源大模型引起了广泛关注，它通过整合音乐的内在能力，展示了在文本生成方面的巨大潜力。ChatMusician由Skywork AI PTE. LTD.和香港科技大学的研究团队共同开发，它基于持续预训练和微调的LLaMA2模型，并通过一种文本兼容的音乐表示法——ABC符号，将音乐作为第二语言来处理。与传统的LLM相比，ChatMusician不仅能够理解音乐，还能生成具有结构性、全长的音乐作品，条件化于文本、和弦、旋律、动机、音乐形式等。
2024-07-16 02:45:00
1276
转载 Github2.1万星！开发者的“瑞士军刀” 开源！
DevToys 是一个专为开发者设计的实用工具集，它集合了多种开发中常用的功能，如JSON格式化、文本比较、正则表达式测试等，旨在帮助开发者提高编程效率。它汇集了许多有用的工具和功能，这些工具和功能在软件开发和编程中经常被使用。1. 集成工具箱：DevToys 提供了一系列集成工具，包括编码助手、格式转换器、文本处理工具等，这些工具在软件开发的不同阶段都非常有用。DevToys 是一个旨在简化开发人员工作的工具集，通过提供一系列实用的工具和功能，帮助开发者提高效率，减少重复性工作。
2024-07-15 22:03:11
295
原创 Anything in Any Scene：无缝融入任何场景，实现逼真视频对象插入技术
现实世界的视频捕获虽然因其真实性而宝贵，但常常受限于长尾分布的问题，即常见场景过度呈现，而关键的罕见场景却鲜有记录。这导致了所谓的"分布外问题"，在模拟复杂环境光线、几何形状或达到高度逼真效果方面存在局限。传统的视频收集和编辑方法在解决这些限制时常常是不切实际或成本过高。来自小鹏汽车公司的研究团队提出了"Anything in Any Scene"框架，它能够将任何对象无缝插入现有动态视频中，同时强调物理真实性。
2024-07-15 19:23:28
1259
原创 VGMShield：揭秘视频生成模型滥用的检测与追踪技术
视频生成模型，如 Stable Video Diffusion 和 Videocrafter，已经能够生成合理且高分辨率的视频。但这些技术进步也带来了被恶意利用的风险，比如用于制造假新闻或进行政治宣传。因此，来自弗吉尼亚大学和亥姆霍兹信息安全中心（CISPA）的研究团队着手开发了 VGMShield，一套旨在降低视频生成模型滥用风险的综合解决方案：现实世界中的参与者分为三个不同的实体：创建者（Creator）、修改者（Modifier）和消费者（Consumer）。
2024-07-15 16:08:00
1430
转载 Ollama+WebUI+AnythingLLM，构建安全可靠的个人/企业知识库
大模型的缺点——"幻觉"。所以LLMs+知识库是解决"幻觉"的方法。同时对于企业来说，需要考虑信息安全，企业私有的知识库显然不能利用公域的大模型。那么搭建一套基于本地大模型的个人/企业知识库，是一个很好的解决方案。
2024-07-14 21:56:33
744
原创 Panda-70M数据集：用多模态教师模型为7000万视频自动生成字幕
在多模态学习领域，高质量的视频-文本数据集对于训练和优化模型至关重要。然而，现有的大规模视频数据集往往存在手动标注成本高、视频内容与字幕匹配度不高等问题。为了解决这些问题， Snap 公司、加州大学和特伦托大学的研究团队推出了Panda-70M，这是一个大规模的视频数据集，包含了7000万个高分辨率、语义连贯的视频片段，每个片段都配有由多个跨模态视觉-语言模型自动生成的描述性字幕。
2024-07-14 19:15:00
1429
原创 Sora视频评估：探索视频生成与现实世界物理的一致性
在视频生成领域，Sora模型以其卓越的能力引起了广泛关注。该模型不仅在视觉上逼真，而且在模拟现实世界物理现象方面表现出色。然而，目前缺乏量化评估其真实物理世界保真度的既定指标。来自南开大学、字节跳动、武汉大学和南开国际先进研究院的研究团队提出了一个新的基准测试，通过将生成的视频转换为3D模型来评估其对现实世界物理原则的遵循程度。
2024-07-14 13:15:00
854
原创 EMO：开创音频驱动的肖像视频新纪元
人工智能领域生成逼真且具有丰富表情的动态肖像视频一直是一项技术挑战。传统的技术往往依赖于复杂的3D模型和面部标记，这些方法虽然在一定程度上能够模拟人类面部动作，但常常受限于计算成本、生成效率以及最终视频的自然度和真实感。而且它们在捕捉细微表情变化和个性化面部风格方面也存在不足。针对这一问题，阿里巴巴集团智能计算研究所的研究人员提出了一种名为EMO的新框架，它能够通过音频驱动生成具有丰富表情和多样头部姿态的肖像视频。
2024-07-13 19:45:00
1040
原创 Snap Video：用于文本到视频合成的扩展时空变换器
图像生成模型的质量和多功能性的显著提升，研究界开始将其应用于视频生成领域。但是视频内容高度冗余，直接将图像模型技术应用于视频生成可能会降低运动的保真度和视觉质量，并影响可扩展性。来自 Snap 的研究团队及其合作者提出了 "Snap Video"，这是一个以视频为中心的模型，系统地解决了这些挑战。它扩展了EDM（Energetic Diffusion Model）框架，以考虑空间和时间冗余像素，并自然支持视频生成。另外，由于U-Net在生成视频时扩展性差，需要显著的计算开销。
2024-07-13 11:00:00
980
原创 Customize-A-Video：文生视频自由定制
视频领域，尤其是文本到视频（T2V）扩散模型中的动作定制，尚未得到充分研究。来自马里兰大学、Adobe Research 和延世大学的研究团队提出了一种名为“Customize-A-Video”的新方法，本方法通过单一参考视频对动作进行建模，并将其适应到具有空间和时间变化的新主体和场景中。本方法利用时间注意力层上的低秩适应（LoRA）技术，定制预训练的T2V扩散模型，以实现特定动作的建模。
2024-07-12 19:45:00
1047
原创 InteractiveVideo：以用户为中心的可控视频生成技术
视频生成技术逐渐成为研究的热点。最近，一项名为“InteractiveVideo”的新技术框架由香港中文大学多媒体实验室、北京理工大学以及腾讯AI实验室的研究人员共同开发，旨在通过多模态指令实现用户中心的可控视频生成。与传统的视频生成方法不同，它不是单纯依赖用户提供的图像或文本，而是允许用户在视频生成过程中通过直观的机制（如文本和图像提示、绘画、拖放等）与生成模型进行动态交互。这种设计使用户能够通过精确有效的指令进行迭代和细粒度的生成结果优化，从而满足用户对视频内容的特定要求。
2024-07-12 12:45:00
799
转载 SD3-Turbo来了：只需要4步就能超过MidjourneyV6！
SD3-Turbo采用了一种新的蒸馏方法：Latent Adversarial Diffusion Distillation (LADD)，与基于像素的ADD（Adversarial Deformation-Driven Diffusion）相比，LADD利用了预训练latent diffusion model的生成特征。将LADD应用于Stable Diffusion 3（8B），得到了SD3-Turbo，这是一个快速的模型，仅使用四步无引导采样就能匹配最先进的文本到图像生成器的性能。
2024-07-12 11:38:21
229
原创 Direct-a-Video：用户导向的定制化视频生成技术
传统的文本到图像（Text-to-Image, T2I）扩散模型在图像生成和编辑方面展现出了惊人的质量和多样性。随着技术的发展，文本到视频（T2V）扩散模型应运而生，它们通常通过在预训练的T2I模型基础上增加时间层来实现视频的生成和编辑。然而，现有方法在支持用户定义的摄像机运动和对象运动控制方面存在不足，限制了视频运动控制的灵活性。本文介绍了“Direct-a-Video”，这是一套全新的文本到视频生成框架，它允许用户独立指定一个或多个对象的运动和/或摄像机运动，实现了仿佛在导演视频般的个性化视频创作体验。
2024-07-11 19:45:00
924
Hadoop2.2.0+Hbase0.98.4+sqoop-1.4.4+hive-0.98.1安装手册（All）_ZCX
2018-12-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人