微软亚研院新作：让大模型一口气调用数百万个API！
近年来，人工智能发展迅速，尤其是像ChatGPT这样的基础大模型，在对话、上下文理解和代码生成等方面表现出色，能够为多种任务提供解决方案。
首页 > 新作
-
-
何恺明新作：简单框架达成无条件图像生成新SOTA！与MIT合作完成
大佬何恺明还未正式入职MIT，但和MIT的第一篇合作研究已经出来了：他和MIT师生一起开发了一个自条件图像生成框架，名叫RCG（代码已开源）。这个框架结构非常简单但效果拔群，直接在ImageNet-1K数据集上实现了无条件图像生成的新SOTA。
-
朱玉可团队新作：看一眼就能模仿，大模型让机器人轻松学会撒盐
在人形机器人领域，有一个非常值钱的问题：既然人形机器人的样子与人类类似，那么它们能使用网络视频等数据进行学习和训练吗？如果可以，那考虑到网络视频的庞大规模，机器人就再也不用担心没有学习资源了。近日，德克萨斯大学奥斯汀分校和 NVIDIA Research 的朱玉可团队公布了他们的一篇 CoRL 20
-
融合ChatGPT+DALLE3，贾佳亚团队新作开源：识图推理生图一站解决
在开源社区中把GPT-4+Dall·E 3能⼒整合起来的模型该有多强？香港中文大学终身教授贾佳亚团队提出多模态模型Mini-Gemini：Mini-Gemini还提供了2B小杯到34B的超大杯，最强模型在多个指标上相比谷歌的Gemini Pro甚至GPT-4V都不遑多让。
-
AI变鉴片大师，星际穿越都能看懂！贾佳亚团队新作，多模态大模型挑战超长3小时视频
啥？AI都能自己看电影大片了？贾佳亚团队最新研究成果，让大模型直接学会了处理超长视频。丢给它一部科幻大片《星际穿越》（片长2小时49分钟）：它“看”完之后，不仅能结合电影情节和人物轻松对电影进行点评：还能很精准地回答出剧中所涉的细节：例如：虫洞的作用和创造者是谁？男
-
诺奖得主哈萨比斯新作登Nature，AlphaQubit解码出更可靠量子计算机
谷歌「Alpha」家族又壮大了，这次瞄准了量子计算领域。今天凌晨，新晋诺贝尔化学奖得主、DeepMind 创始人哈萨比斯参与撰写的新论文登上了 Nature，主题是如何更准确地识别并纠正量子计算机内部的错误。我们知道，量子计算机有潜力彻底改变药物发现、材料设计和基础物理学。不过前提是：我们得让它们可
-
ControlNet作者新作爆火：P照片换背景不求人，AI打光完美融入
ControlNet作者新作，玩儿得人直呼过瘾，刚开源就揽星1.2k。用于操纵图像照明效果的IC-Light，全称lmposing Consistent Light。
-
何恺明谢赛宁解剖扩散模型，新作刚刚出炉
CV大神何恺明，也来搞扩散模型（Diffusion Model）了！大神最新论文刚刚挂上arXiv，还是热乎的：解构扩散模型，提出一个高度简化的新架构l-DAE（小写的L）。
-
ICLR惊现[10,10,10,10]满分论文，ControlNet作者新作，Github5.8k颗星
四个 10 分！罕见的一幕出现了。您正在收看的，不是中国梦之队的跳水比赛，而是 ICLR 2025 的评审现场。虽说满分论文不是前无古人，后无来者，但放在平均分才 4.76 的 ICLR，怎么不算是相当炸裂的存在呢。
-
陈丹琦团队新作：微调8B模型超越Claude3Opus，背后是RLHF新平替
比斯坦福DPO（直接偏好优化）更简单的RLHF平替来了，来自陈丹琦团队。该方式在多项测试中性能都远超DPO，还能让8B模型战胜Claude 3的超大杯Opus。而且与DPO相比，训练时间和GPU消耗也都大幅减少。这种方法叫做SimPO，Sim是Simple的简写，意在突出其简便性。
