新闻中心 
-
10-06令人惊讶的时间冗余方法：降低视觉Transformer计算成本的新途径Transformer最初是为自然语言处理任务而设计的，但现在已经被广泛应用于视觉任务。视觉Transformer在多个视觉识别任务中展现出了出色的准确性，并在...
-
10-05谷歌：非等频采样时间序列表示学习新方法在时间序列问题中，有一种类型的时间序列不是等频采样的，即每组相邻两个观测值的时间间隔不一样。时间序列表示学习在等频采样的时间序列中已经进行了比较多的研究，但是在...
-
09-28SupFusion：探索如何有效监督Lidar-Camera融合的3D检测网络？基于激光雷达相机融合的3D检测是自动驾驶的一项关键任务。近年来，出现了许多激光雷达相机融合方法，并取得了良好的性能，但是这些方法始终缺乏精心设计和有效监督的融合...
-
09-18老黄给H100“打鸡血”：英伟达推出大模型加速包，Llama2推理速度翻倍大模型的推理速度，仅仅一个月就提高了一倍！近日，英伟达宣布推出了一款专为H100设计的“鸡血包”，旨在加速LLM推理过程或许这下可以不用空等明年才能交付的GH2...
-
09-15吴恩达力赞！哈佛、MIT学者用下棋证明：大型语言模型确实「理解」了世界2021年，华盛顿大学语言学家EmilyM.Bender发表了一篇论文，认为大型语言模型不过是「随机鹦鹉」（stochasticparrots）而已，它们并不理...
-
08-24「知识型图像问答」微调也没用？谷歌发布搜索系统*IS：少样本超越有监督PALI，准确率提升三倍在大型语言模型（LLM）的支持下，与视觉结合的多模态任务，例如图像描述、视觉问答（VQA）和开放词汇目标识别（open-vocabularyobjectdete...
