新闻中心 
-
02-19以自监督方式去除荧光图像中的噪声，清华团队开发空间冗余去噪Transformer方法荧光成像的高信噪比对于生物现象的准确可视化至关重要，然而，噪声问题仍然是成像灵敏度面临的主要挑战之一。清华大学的研究团队提供了空间冗余去噪Transformer...
-
02-16RAG还是微调？微软出了一份特定领域大模型应用建设流程指南检索增强生成（RAG）和微调（Fine-tuning）是提升大语言模型性能的两种常用方法，那么到底哪种方法更好？在建设特定领域的应用时哪种更高效？微软的这篇论文...
-
02-16语音生成的「智能涌现」：10万小时数据训练，亚马逊祭出10亿参数BASE TTS随着生成式深度学习模型的快速发展，自然语言处理（NLP）和计算机视觉（CV）已经发生了重大变革。从以前需要专门训练的监督模型，转变为只需要简单明确的指令就能完成...
-
02-04像人类一样在批评中学习成长，1317条评语让LLaMA2胜率飙升30倍现有的大模型对齐方法包括基于示例的监督微调（SFT）和基于分数反馈的强化学习（RLHF）。然而，分数只能反应当前回复的好坏程度，并不能明确指出模型的不足之处。相...
-
02-01纯文本模型训出「视觉」表征！MIT最新研究：语言模型用代码就能作画只会「看书」的大语言模型，有现实世界的视觉感知力吗？通过对字符串之间的关系进行建模，关于视觉世界，语言模型到底能学会什么？最近，麻省理工学院计算机科学与人工智能...
-
02-01伯克利开源高质量大型机器人操控基准，面对复杂自主操控任务不再犯难随着人工智能和机器人技术的迅速发展，功能操控（FunctionalManipulation）在机器人学中的重要性愈加突出。传统的基准测试已无法满足目前机器人对复...
