理论

译者 | 朱先忠审校 | 重楼本文将通过完整的源码与图解方式向你展示AdaBoost算法运行逻辑，并指出其优点与不足，还将其与随机森林算法进行对比分析。 简介每个人都会犯错，即使是机器学习领域最简单的决策树也存在这个问题。 AdaBoost（自适应增强）算法不会忽略这些错误，而是会做一些不同的事情：它会从这些错误中学习（或适应）以变得更好。

欧洲的OpenAI，把ChatGPT功能都复制了。 Mistral AI大模型平台Le Chat新增Canvas、联网搜索、上传PDF等ChatGPT同款功能，而且全都免费！ 三大主流大模型产品的功能，现在可以一站式访问。

译者 | 李睿审校 | 重楼在当今数据生成量呈指数级增长的时代，组织必须有效地利用这些丰富的信息来保持其竞争优势。 有效地搜索和分析客户数据（例如确定用户对电影推荐或情感分析的偏好），在推动明智决策和增强用户体验方面发挥着至关重要的作用。 例如，流媒体服务可以采用向量搜索来推荐适合个人观看历史和收视率的电影，而零售商可以分析客户情绪来微调营销策略。

2024年11月16日，一场聚焦网络前沿技术与发展趋势的盛会在首都北京隆重拉开帷幕——第七届SD-WAN&SASE大会暨云网络大会，吸引了众多行业精英与技术爱好者的目光。 在这样一个群贤毕至的平台上，第一线DYXnet作为行业领军企业之一，不仅深度参与其中，还在大会期间特别举办了主题为“强基拓界. 向智而行”的媒体沟通会，进一步深化了与各界的互动与交流。

什么是机器教学?尽管人工智能(AI)已在许多行业得到广泛应用，但根据麻省理工学院斯隆管理学院的研究，只有不到10%的采用人工智能的企业真正实现了预期的商业收益。 要从人工智能中真正获益，企业必须找到将人类与机器紧密结合的方式，这一概念被称为“组织学习”。 具体而言，许多企业在初期应用人工智能时，通常会选择那些已经具备大量可用数据且容易训练模型的低难度场景，比如客户支持分流、社交媒体情感分析以及市场…

北大等出品，首个多模态版o1开源模型来了——代号LLaVA-o1，基于Llama-3.2-Vision模型打造，超越传统思维链提示，实现自主“慢思考”推理。 在多模态推理基准测试中，LLaVA-o1超越其基础模型8.9%，并在性能上超越了一众开闭源模型。 新模型具体如何推理，直接上实例，比如问题是：减去所有的小亮球和紫色物体，剩下多少个物体？

作为欧洲的OpenAI，Mistral最近压力不小。 端侧小模型端不出来，对比评测的结果又遭到质疑。 上个月震撼登场的自家首款多模态大模型Pixtral 12B，也疑似遇到了成绩不如人的窘境。

嘉宾 | 马会彬编辑 | 云昭 出品 | 51CTO技术栈（微信号：blog51cto）进入2024年，业界对于生成式AI的注意力开始转向应用层。 AI编程领域的Cursor、AI生成视频领域的可灵、自动驾驶领域的Robotaxi等，都取得了很大的突破。 据有关媒体报道，2024年创投界在AI应用层上的投资规模整体超过了模型层。

视觉语言模型（Vision Language Model，VLM）正在改变计算机对视觉和文本信息的理解与交互方式。 本文将介绍 VLM 的核心组件和实现细节，可以让你全面掌握这项前沿技术。 我们的目标是理解并实现能够通过指令微调来执行有用任务的视觉语言模型。

为了了解DNA与疾病的关系，美国洛斯阿拉莫斯国家实验室的科学家开发了第一个多模态深度学习模型EPBDxDNABERT-2，该模型能够利用DNA“呼吸”，即双螺旋结构自发打开和关闭，来确定转录因子（调节基因活动的蛋白质）之间的精确关系。 该模型有可能帮助设计用于治疗源于基因活性疾病的药物。 与DNA链结合的转录因子蛋白的表示洛斯阿拉莫斯国家实验室研究员、该论文的第一作者Anowarul Kabir说…

大型语言模型 (LLM) 如 GPT-4 彻底革新了自然语言处理 (NLP) 领域，在生成类人文本、回答问题和执行各种语言相关任务方面展现出卓越的能力。 然而，这些模型也存在一些固有的局限性：知识截止：LLM 的训练数据通常截止于特定时间点，使其无法获取训练后发生的事件或信息。 静态知识库：LLM 嵌入的知识在训练后固定不变，限制了其动态整合新信息的能力。

由于缺少对运行逻辑的解释，大模型一向被人称为「黑箱」，但近来的不少研究已能够在单个神经元层面上解释大模型的运行机制。 例如Claude在2023年发表的一项研究，将大模型中大约500个神经元分解成约4000个可解释特征。 而10月28日的一项研究，以算术推理作为典型任务，借鉴类似的研究方法，确定了大模型中的一个模型子集，能解释模型大部分的基本算术逻辑行为。

AIxiv专栏是AI在线发布学术、技术内容的栏目。 过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。 如果您有优秀的工作想要分享，欢迎投稿或者联系报道。

随着AI技术的飞速发展，其在医疗保健领域的应用也日益广泛。 近期，一项由波士顿贝斯以色列女执事医疗中心(BethIsrael Deaconess Medical Center)的研究团队发表在《美国医学会网络开放》(JAMA Network . Open)上的研究，引发了广泛关注。

图示：来自测试集的靶标上的 Boltz-1 的示例预测。 （来源：论文）编辑 | 萝卜皮2024 年 11 月 18 日，麻省理工学院（MIT）的研究人员宣布推出 Boltz-1，这是一个开源模型，旨在准确模拟复杂的生物分子相互作用。 Boltz-1 是第一个完全商业化的开源模型，在预测生物分子复合物的 3D 结构方面达到 AlphaFold3 级精度。

写在前面 & 笔者的个人理解基于视觉的语义占用和流量预测在为自动驾驶等现实世界任务提供时空线索方面发挥着至关重要的作用。 现有方法优先考虑更高的精度，以满足这些任务的需求。 在这项工作中，通过引入一系列针对3D语义占用预测和流量估计的有针对性的改进来提高性能。

猫猫和人的交互行为，竟然被物理学家用方程式写出来了！ 其成果还正经刊登在了《美国物理学杂志》上。 起因就是这位名叫Anxo Biasi的小哥，有一天观察起了自家猫猫，突发奇想：能否将猫视为一个在人产生的势场中运动的质点，用物理方程来描述其行为？

用AI大模型一键解析MRI、CT和病理学等九大生物医学成像模式。 不仅复杂、不规则形状对象能高精度识别：而且通过对象识别阈值建模，模型能够检测无效的提示请求，并在图像中不存在指定对象时拒绝分割。 用户更是无需手动进行标注或边界框操作——只需通过简单的临床语言提示指定目标对象，例如“肿瘤边界”或“免疫细胞”，便能让AI准确识别、检测并分割图像中的相关区域。

本工作被人工智能顶级会议 NeurIPS 2024 接收。 在诸如推荐系统、展示广告等多数实际应用中，所收集的数据往往包含缺失值，并且这些缺失值通常并非随机缺失，这会使模型的预测性能变差。 一些现有的估计量和正则化器试图实现无偏估计以提升模型的预测性能。

译者 | 布加迪审校 | 重楼在当今快节奏的数字环境中，依赖人工智能的企业面临着新的挑战：运行人工智能模型的延迟、内存使用和计算能力成本。 随着人工智能快速发展，幕后推动这些创新的模型变得越来越复杂、资源密集。 虽然这些大模型在处理各种任务中取得了出色的性能，但它们通常伴随着很高的计算和内存需求。

现在，给AI办张银行卡，它就能帮我们完成最终支付了？ ！ 事情是这样的。

OpenAI CEO奥特曼不久前曾说：“我们会拥有越来越好的模型，但我认为下一个巨大突破来自智能体。 ”所谓AI智能体，实际上就是由AI驱动的软件工具，只需要给出最小的监督，它就可以执行多步骤任务。 除了自然语言处理，AI智能体还可以做决策、解决问题、执行任务时与环境互动。

美国当选总统唐纳德·特朗普在总统竞选期间做出了很多雄心勃勃的承诺，但他很难兑现所有的承诺。 他对人工智能（AI）的立场在很大程度上与他对“美国优先”政策的承诺相一致，该政策侧重于经济增长、能源独立和尽量减少对国内产业的监管。 然而，由于缺乏具体的联邦指导方针，新政府将如何为人工智能制定一个连贯的战略仍存在悬而未决的问题。