文章资讯
通用文档理解新SOTA，多模态大模型TextMonkey来了
TextMonkey 是由华中科技大学和金山的研究人员基于 Monkey [1]（Li et al., CVPR2024）工作提出的，专注于文本相关任务的多模态大模型（LMM）。TextMonkey 在...
剑桥团队开源：赋能多模态大模型RAG应用，首个预训练通用多模态后期交互知识检索器
PreFLMR模型是一个基于NeurIPS 2023的FLMR模型改进而来的多模态知识检索器。它能够处理文文检索、图文检索和知识检索等任务，通过在M2KR上进行大规模预训练，...
讨论下一个token预测时，我们可能正在走进陷阱
研究背景 文章首先分析了人们对下一个token预测的反对意见，指出这种预测方式可能无法捕捉到人类语言的真正目的。尽管每个token序列的分布都可以通过链式规...
PointMamba: 点云分析的简单状态空间模型
PointMamba: A Simple State Space Model for Point Cloud Analysis 是一种新颖的点云分析工具，通过高效的全局建模能力和简洁的模型结构，在3D视觉任务中展...
向通用文字识别迈出坚实的一步！华科&金山办公推出多模态大模型TextMonkey
TextMonkey模型概述：TextMonkey是基于Monkey模型的改进版，由华中科技大学和金山的研究人员共同提出。该模型专注于文本相关任务，如文档问答和场景文本问答...
ICLR2024 oral：小尺度Transformer如何Scale Up
摘要：本文研究了放大Transformer模型时遇到的训练不稳定性问题，并提出了研究和预测这些不稳定性的方法。作者指出，尽管扩展Transformer模型已在多个领域取...
复刻Sora的通用视频生成能力，开源多智能体框架Mora来了
摘要：Mora 是一个由理海大学和微软研究院提出的多智能体框架，旨在复制 OpenAI 的 Sora 视频生成模型的能力。Mora 通过整合多个视觉 AI 智能体，成功模仿了 ...
OpenAI进军好莱坞：电影制作用Sora指日可待
OpenAI 计划下周在洛杉矶与好莱坞电影公司和媒体高管会面，探讨在娱乐行业建立合作伙伴关系，推广其新的人工智能视频生成器 Sora。Sora 可以根据文本提示生成...
成为网红，马斯克Neuralink脑机接口植入者上线表演意念发帖
文章还提到，Neuralink由马斯克在2016年创立，致力于开发植入式脑机接口，以从大脑信号中解码运动意图。Neuralink已在老鼠、猪和猴子的大脑上植入过脑机接口...
晒应用是一个专注于软件和资源网站分享的导航类网站。我们致力于为用户提供最新、最热门的应用推荐和AI资源，涵盖各种AI绘画、AI制图、AI工具、AI剪辑、AI文本、AI创作、实用工具、免费软件、在线服务和在线影视导航。无论您是寻找最佳的数字工具还是想要了解最新的黑科技应用，晒应用都能满足您的需求。