斯坦福、北大、清华等机构联合提出了一种名为 MindAgent 的新基础设施,用于评估游戏交互中的规划和协调新兴能力。
Ran Gong , Qiuyuan Huang , Xiaojian Ma , Hoi Vo , Zane Durante , Yusuke Noda , Zilong Zheng , Songchun Zhu 大牛学者 , Demetri Terzopoulos 大牛学者 , Fei-Fei Li 大牛学者 , Jianfeng Gao 大牛学者 arXiv · Artificial Intelligence(2023)
斯坦福团队研究了临床文本摘要的问题,探讨了大型语言模型 (LLMs) 在临床摘要任务中的表现。作者使用了八个 LLMs,涵盖了六个数据集和四个不同的摘要任务:放射学报告、患者问题、病程记录和医生 - 患者对话。
Dave Van Veen , Cara Van Uden , Louis Blankemeier , Jean-Benoit Delbrouck , Asad Aali , Christian Bluethgen , Anuj Pareek , Malgorzata Polacin , William Collins , Neera Ahuja , Curtis P. Langlotz , Jason Hom , arXiv · Computation and Language(2023)
已开源!作者认为,语言代理是通向人工通用智能的有前途的方向,并发布了 一个开源库—Agents,旨在将这些进展开放给更广泛的非专业受众。
Wangchunshu Zhou , Yuchen Eleanor Jiang , Long Li , Jialong Wu , Tiannan Wang , Shi Qiu , Jintian Zhang , Jing Chen , Ruipu Wu , Shuai Wang , Shiding Zhu , Jiyu Chen , arXiv · Computation and Language(2023)
复旦大学团队探讨了大型语言模型(LLMs)在人工智能(AI)领域中的应用及其作为 AI 代理基础的潜力。
Zhiheng Xi , Wenxiang Chen , Xin Guo , Wei He , Yiwen Ding , Boyang Hong , Ming Zhang , Junzhe Wang , Senjie Jin , Enyu Zhou , Rui Zheng , Xiaoran Fan , arXiv · Artificial Intelligence(2023)
唐杰教授团队提出“高分辨率”图像生成方法:任意分辨率无缝衔接,极大降低训练和采样成本
arXiv · Computer Vision and Pattern Recognition(2023)
清华大学提出了用于神经网络训练的 4 比特优化器,节省了模型训练的内存开销,同时能达到与全精度优化器相当的准确率。
arXiv · Machine Learning(2023)
再推荐几条看看 查看更多推荐内容 再推荐几条看看 添加订阅关键词 设定感兴趣领域,获取更精准推送