新闻中心 
-
02-19『拯救』开放异构场景 | HEAL：最新可扩展协作感知框架协同感知技术在解决自动驾驶车辆感知问题方面具有重要意义。然而，现有研究往往忽视了智能体之间可能存在的异构性，即传感器和感知模型的多样性。实际应用中，智能体之间的...
-
02-07谷歌官宣TensorFlow-GNN 1.0发布！动态和交互采样，大规模构建图神经网络2005年，划时代之作「TheGraphNeuralNetworkModel」的问世，将图神经网络带到每个人面前。在此之前，科学家处理图数据的方式是，在数据预处...
-
01-29多个异构大模型的融合带来惊人效果随着LLaMA、Mistral等大语言模型的成功，许多公司开始创建自己的大语言模型。然而，从头训练新的模型成本高昂，且可能存在能力冗余。近日，中山大学和腾讯AI...
-
01-22理解迁移学习的策略、步骤、区别和概念迁移学习是一种利用已有机器学习任务中的训练模型来解决新任务的方法。它通过将已有模型的知识迁移到新任务中，能够减少新任务所需的训练数据量。近年来，迁移学习在自然语...
-
01-16FATE 2.0发布：实现异构联邦学习系统互联FATE2.0全面升级，推动隐私计算联邦学习规模化应用FATE开源平台宣布发布FATE2.0版本，作为全球领先的联邦学习工业级开源框架。此次更新实现了联邦异构系...
-
01-16燧原科技和青云科技合力，创造创新的AI异构算力！青云科技与燧原科技达成战略合作，共同创新算力异构资源池的灵活调度，构建支持场景落地的AI算力生态。这一合作将为AI应用的快速落地和算力的普惠提供强大的驱动力。人...
