-
准确率92~98%，人工智能揭示大脑布局中与性别相关的分别
编辑 | 白菜叶在神经科学研讨领域，生物性别作为关键变量，对认知功能和神经精神疾病中的性别分别研讨至关重要。尽管先前已在大脑宏观布局如皮层厚度或地区大小上观察到显著的统计学分别，但关于可能揭示脑健康与疾病机制的细胞层面宏观布局的性别分别仍知之甚少。探究男性与女性之间的这些宏观布局分别，对于理解在不同性别中表现各异的大脑疾病具有重要意义。一项新研讨显示，处理 MRI 结果的人工智能（AI）计算机程序…- 7
- 0
-
研讨：GPT-4 在展望公司红利方面超越人类分析师
芝加哥大学的一项新研讨表白，庞大说话模型 GPT-4 在展望公司将来红利增长方面可以胜过人类分析师，而且该人工智能模型仅应用了公司的财政报表，并没有额定的信息辅助。图源 Pexels以往，财政分析师依靠专业知识和经验来评估公司财政状况并展望将来红利。然而这项研讨表白，人工智能模型可以同样出色地实现这项任务，甚至做得更好。据IT之家了解，研讨职员向模型提供了匿名化的财政数据，包括资产负债表和损益表，…- 5
- 0
-
GPT-4 化身黑客搞破坏，顺利率 87%！OpenAI 要求保密提醒词，网友复现 ing
91 行代码、1056 个 token，GPT-4 化身黑客搞破坏！尝试顺利率达 87%，单次老本仅 8.8 美元 （折合人民币约 63 元）。这就是来自伊利诺伊大学香槟分校研讨团队的最新研讨。他们设计了一个黑客智能体框架，研讨了包括 GPT-4、GPT-3.5 和众多开源模型在内的 10 个模型。结果发现只有 GPT-4 不妨在阅读 CVE 马脚描绘后，学会操纵马脚袭击，而其它模型顺利率为 0。…- 3
- 0
-
如何应对Transformer的较量争论局限？头脑链推理提高神经收集较量争论
编辑 | 白菜叶你的小学老师大概没有教你如何做 20 位数字的加减法。但如果你知道如何加减较小的数字，你所需要的只是纸和铅笔以及一点耐心。从个位开始，一步步向左，很快你就能轻松地积累出千万亿的数字。像这样的课题对人类来说很容易处理，但前提是我们用正确的方式处理它们。「我们人类处理这些课题的方式并不是『盯着它然后写下谜底』。」哈佛大学机器学习研讨员 Eran Malach 表示，「我们实际上是走过这…- 6
- 0
-
用大模型尝试人格 / 烦闷 / 认知模式：通过游玩剧情发展丈量情绪特质，清华出品
情绪丈量在精神健康、自我了解、和个人发展方面都发挥着重要的作用。传统的情绪丈量范式以自我报告类型的问卷为主，常常通过参与者回忆自己的日常生活行为模式或情绪状态从事丈量。这样的丈量方式虽然高效便捷，但可能引发参与者的抗拒情绪，降低被测意愿。随着大语言模型（LLM）的发展，很多研讨发现 LLM 能够展现出稳定的人格特质，模仿人类细微的情绪与认知模式，还能辅助各种各样的社会科学仿真实验，为教育情绪学、社…- 3
- 0
-
AlphaFold 猜测细菌生计所需的 1402 种蛋白互作，最完整的细菌必须相互作用图谱
革兰氏阴性必须相互作用组。（来源：eLife）编辑 | 紫罗细菌蛋白质组平均由约 4000-5000 个蛋白质组成，这意味着相互作用组可能多达 2000 万个相互作用。据估计，大肠杆菌中大约有 12,000 种物理相互作用。然而，并非全部这些相互作用都对细菌的生计至关重要。对生物体中蛋白质相互作用的研讨，是理解生物进程和中心代谢途径的基础。然而，我们对细菌相互作用组的懂得仍然有限。近日，西班牙巴塞…- 3
- 0
-
快速筛选海量数据，即时做出明智决策，MIT、普林斯顿&卡内基梅隆大学团队利用LLM进行聚变研讨
编辑 | X可控核聚变能具有安全、清洁、燃料丰富等优点，是解决人类未来能源题目的主要选择之一。也许最有前途的核聚变装置是托卡马克（Tokamak）。尽管前景光明，但在人类和经济型托卡马克发电厂之间仍然存在重要的悬而未决的题目。自核聚变研讨开始以来，科学家们已经发表了数千份有关该主题的文件——论文、会议记录，甚至是世界各地聚变反应堆先前试验的书面日记。这样的信息源泉可能需要用一辈子的时光来阅读，甚至…- 5
- 0
-
用于化学研讨的 GPT-4：什么可以做，什么不可以做？
编辑 | 紫罗GPT-4 在应对化学挑战方面显露出非凡的才智，但仍然存在明显的弱点。东京工业大学的化学家 Kan Hatakeyama-Sato 表示：「它对化学有着显著的明白，这表明它可以以类似于人类思维过程的方式预计和提出实验结果。」最近，Hatakeyama-Sato 和他的同事在《Science and Technology of Advanced Materials: Methods》杂…- 6
- 0
-
-
AI for Science 开源新项目「Polymathic AI」，Yann LeCun担任顾问
编辑 | 紫罗过去几年，通过在大量分歧的数据集上训练通用模型，视觉和自然谈话处理 (NLP) 机械进修范围取得了重大进展。这导致了「前提模型」的出现。例如，「大型谈话模型」引发了 NLP 的复兴：微调或提示通才模型现在已成为标准做法，而不是从头开始训练专科模型。然而，机械进修在迷信数据集上的应用尚未发生类似的范式转变。这就是「Polymathic AI」（博学人工智能）研讨讨论寻求解决的一个未实行…- 24
- 0
-
-
-
-
-
-
扫码打开当前页
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×