新闻中心 
-
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将多模态大模型稀疏化，3B模型MoE-LLaVA媲美LLaVA-1.5-7B大型视觉语言模型（LVLM）可以通过扩展模型来提高性能。然而，扩大参数规模会增加训练和推理成本，因为每个token的计算都会激活所有模型参数。来自北京大学、中山...
-
02-01南大周志华团队8年力作！「学件」系统解决机器学习复用难题，「模型融合」涌现科研新范式HuggingFace是最热门的机器学习开源社区，拥有30万个不同的机器学习模型和10万个可用的应用。如果HuggingFace上这30万个模型，可以自由组合，...
-
01-31大模型时代，南大周志华埋头做学件，最新论文上线机器学习在各个领域都取得了巨大的成功，并且不断涌现出大量优质的机器学习模型。然而，对于普通用户来说，要找到适合自己任务的模型并不容易，更不用说从零开始构建新模型...
-
01-30快手、北大多模态大模型：图像即外语，媲美DALLE-3的突破动态视觉分词统一图文表示，快手与北大合作提出基座模型LaVIT刷榜多模态理解与生成任务。当前的大型语言模型如GPT、LLaMA等在自然语言处理领域取得了显著进展...
-
01-30图像化语言：快手、北大多模态大模型与DALLE-3不相上下当前的大型语言模型如GPT、LLaMA等在自然语言处理领域取得了显著进展，能够理解和生成复杂的文本内容。然而，我们是否可以将这种强大的理解和生成能力扩展到多模态...
