fly51fly / aicoco

“爱可可-爱生活”微博内容精选
495 stars 62 forks source link

爱可可微博热门分享(3.10) #99

Open fly51fly opened 2 months ago

fly51fly commented 2 months ago

No 1. 微软免费的“面向初学者的生成式人工智能课程”(中文版),通过 12 章的课程,开启构建生成式 AI 应用程序之路 No 2. 数学家证明巴赫的伟大:用机器学习解码音乐大师的创作奥秘 No 3. 'Chat Nio - 下一代 AI 一站式解决方案,一站式 Chat + 中转 API 站点,支持 OpenAI,Midjourney,Claude,讯飞星火,Stable ...... No 4. KnowAgent:知识增强的规划系统,旨在为基于... No 5. 现代编程思想公开课:主要讲授程序设计与实际应用。课... No 6. PAPER PIANO:纸上钢琴项目,通过在纸上模拟钢琴的按键,让用户可以在纸上演奏音乐,虽然无法完全还原钢琴按键的感觉,但它能够实现音乐演奏的目的 No 7. [CL] Assisting in Writing Wikipedia-like Articles From Scratch ...... No 8. [LG] Can Large Language Models Reason and Plan? 探讨大型语言模型(LLM)是否具备逻辑推理和规划能力,通过对GPT3和GPT4的测试分析,揭示了LLM在处理规划任务时的局限性。LLM擅长于概率性地重构文本(近似检索),但这并不意味着它们能够保证记忆完整答案或进行原理性推理。本 ...... No 9. Musiclang:基于Llama 2的音乐生成模型 No 10. Small Language Model:构建小型语言模型的代码库,使用从YouTube视频中收集的数据 No 11. 'flash-attention-minimal - Flash Attention in ~100 lines of ...... No 12. Hatchet:分布式、容错的任务队列,旨在取代难以管理的传统队列或发布/订阅系统。它具有超低延迟和高吞吐量的调度能力,同时支持并发、公平性和速率限制 No 13. 晚安~ [月亮] ​ No 14. 新书:《Machine Learning Q and AI》,旨在通过问答形式深入探讨机器学习和人工智能的30个关键问题,涵盖神经网络架构、计算机视觉、自然语言处理、生产部署、预测性能和模型评估等广泛主题 No 15. lmms-eval:在加速大型多模态模型(LMM)开发的评估框架,在评估人类任务能力的大型语言模型(LLMs)和LMMs方面,提供一种高效且一致的评估方法 No 16. 携手@博文视点Broadview 送出3本《SPSSAU科研数据分析方法与应用》 No 17. [LG] EfficientZero V2: Mastering Discrete and Continuous Control ...... No 18. 可在苹果芯片上运行的基于MLX的Stable Diffusion/SDXL文生图实现 No 19. Flyde:开源的可视化编程工具,专为开发人员设计,包括VS Code扩展,与现有的TypeScript代码、浏览器和Node.js集成,Flyde的主要特色是提供了丰富的标准库、可视化调试器和TypeScript支持,旨在与传统的文本编码相辅相成,而不是替代 No 20. [LG] DéjàVu: KV-cache Streaming for Fast, Fault-tolerant Generative ...... No 21. [LG] Do Efficient Transformers Really Save Computation? 网页链接 ...... No 22. oms-Diffusion:虚拟试穿项目,致力于解决服装行业高昂成本问题,支持IPadapter-faceID结合controlnet_openpose,用户可上传服装图片与参考姿势图进行试穿 No 23. 大模型面试题及答案 No 24. anthropic-tools:用于使用Anthropic模型的工具/函数调用的代码库,提供了一套简单的架构,让用户可以定义和使用与Claude(Anthropic的核心技术)配合的工具 No 25. [CL]《Trial and Error: Exploration-Based Trajectory Optimization for LLM Agents》 No 26. [CL] Common 7B Language Models Already Possess Strong Math Capabilities ...... No 27. 超越GPT-4:语言模型竞赛进入白热化 No 28. 今日推介(第1340期):基于试错的LLM智能体轨迹优化、大型语言模型线性表示根源研究、Tokenizer贪婪推断方法的有效性、LLM能否在没有问题的情况下回答多项选择题、硅基群体智慧与人类群体智慧相媲美 ...... No 29. [CL]《On the Origins of Linear Representations in Large Language Models》 No 30. [LG]《Wisdom of the Silicon Crowd: LLM Ensemble Prediction Capabilities Rival Human Crowd Accuracy》 No 31. Nucleo AI Alpha:超越聊天框的AI助手项目,结合了AI功能和传统个人生产力工具,可以在后台回复多个聊天、处理任务和流式/订阅条目 No 32. 早![太阳] No 33. 在家训练70B大语言模型 No 34. Generate:一个 Python 包,用于访问世界一流的生成模型,支持多平台,涵盖国内外 10+ 平台;提供统一 API,屏蔽不同平台的差异;支持同步、异步、流式调用;提供自带电池功能,包括输入检查、参数检查等;代码质量高,拥有严格的类型提示和良好的测试覆盖率 No 35. [CL]《Greed is All You Need: An Evaluation of Tokenizer Inference Methods》 No 36. [CL]《Artifacts or Abduction: How Do LLMs Answer Multiple-Choice Questions Without the Question?》 No 37. 创建自定义LLM (大语言模型) ChatBot 的过程图解,主要包括以下几个主要步骤: - 输入文档 (Documents):从原始文档开始,可以设置分块策略(Chunking ...... No 38. AgentLite:一个面向研究的库,用于构建和推进基于LLM的任务导向Agent系统,简化了新Agent/多Agent架构的实现,通过管理Agent实现了多个Agent的轻松编排,无论是构建个体Agent还是复杂的多Agent系统,AgentLite为研究和开发提供了简单而轻量的基础 No 39. Internet Archive Public Domain Books (English):包含超过65万本英文公共领域图书(约610亿字)的数据集,这些图书是由Internet Archive进行数字化,并作为Open Library项目的一部分进行编目 No 40. RAG之索引(Indexing) No 41. 几篇论文实现代码 No 42. 免费书稿:机器学习和人工智能增强的应用因果推断,讨... No 43. 揭示了大型语言模型在面对只有选项、没有问题的多项选择问答任务时,仍能展现出意外的理解和推理能力,表明这些模型可能通过分析选项之间的动态关系和演绎问题推理来超越基线表现,这对于设计更加健壮的MCQA数据集和评估方法具有重要意义。//[CL]《Artifacts or Abduction: How Do LLMs Answer Multiple-Choice Questions Without the Question?》 No 44. 《如何生成文本:通过 Transformers 用不同的解码方法生成文本》 No 45. 消除AI偏见任重道远:GPT-4招聘歧视凸显AI公平性挑战 No 46. [LG]《Teaching Large Language Models to Reason with Reinforcement Learning》 No 47. 通过对比分析,发现在构建NLP模型的词汇库时,贪婪推断方法意外地有效,且新分词器SaGe在形态学对齐上的表现超越了传统方法,为分词器推断方法的选择提供了新的视角和实证支撑。//[CL]《Greed is All You Need: An Evaluation of Tokenizer Inference Methods》 No 48. Google宣布对搜索排名系统进行改变以打击AI生成垃圾内容 No 49. 通过实施LLM集成方法,研究者成功地复制了“集体智慧”效应,并展示了其在预测任务中的准确性可以与人类群体预测相媲美,此外,还发现LLM的预测能力可以通过融合人类预测信息得到提升,为LLM在各种社会应用中的使用开辟了新途径。//[LG]《Wisdom of the Silicon Crowd: LLM Ensemble Prediction Capabilities Rival Human Crowd Accuracy》 No 50. [LG]《What makes an image realistic?》