腾讯3D大模型全面开源，文本图像10秒转3D资产，模型权重、推理代码全开放
腾讯3D大模型全面开源，文本图像10秒转3D资产，模型权重、推理代码全开放西风
来自主题: AI技术研报
5908 点击 2024-11-05 20:40
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
西风
创业中最危险的一句话：「我以后会赚钱」。 我开发的 AI 应用有 25 万用户，我感觉要起飞了，于是辞掉工作，准备大干一番。 结果没想到开局即巅峰，突然就完蛋了。 这几天，一个悲催的程序员创业故事在社交网络上流传，引发了人们的深思。
奥特曼在OpenAI伦敦开发者日上的最新采访，终于完整释出！ 40分钟的采访过程中，奥特曼除了聊OpenAI未来模型发展方向、Agent、和最尊敬的竞争对手（就是此前碎片式走漏风声的几个问题）外，还就Scaling Law、半导体供应链、基础模型竞争成本、该雇佣什么年龄段的员工等十多个问题进行了快问快答。
家人们，苹果一直在悄悄进步！ 近期，据小鹿观察，各大科技巨头不仅在提升模型解决复杂问题的能力上竞争激烈，而且还在大语言模型应用于用户界面（UI）交互方面上暗暗发力！
Bifröst 是一个创新的3D感知图像合成框架，它利用扩散模型来执行基于语言指令的图像合成任务。
之前我们聊过 RAG 里文档分块 (Chunking) 的挑战，也介绍了 迟分 (Late Chunking) 的概念，它可以在向量化的时候减少上下文信息的丢失。今天，我们来聊聊另一个难题：如何找到最佳的分块断点。
视觉语言模型（如 GPT-4o、DALL-E 3）通常拥有数十亿参数，且模型权重不公开，使得传统的白盒优化方法（如反向传播）难以实施。
北大校友打造的1000个智能体「我的世界」，背后原理揭晓了！ 团队全新公开35页技术报告，详尽解密AI智能体如何产生专业化分工、社交互动、甚至传播虚拟宗教……
复刻OpenAI o1推理大模型，开源界传来最新进展： LLaMA版o1项目刚刚发布，来自上海AI Lab团队。
SegVG是一种新的视觉定位方法，通过将边界框注释转化为像素级分割信号来增强模型的监督信号，同时利用三重对齐模块解决特征域差异问题，提升了定位准确性。实验结果显示，SegVG在多个标准数据集上超越了现有的最佳模型，证明了其在视觉定位任务中的有效性和实用性。