理论

大家好，我是小寒今天给大家介绍一个强大的算法模型，卷积神经网络卷积神经网络（CNN）是一种专门用于处理图像、视频等具有网格结构数据的深度学习模型。 CNN 通过局部连接和参数共享的方式，大幅减少了模型的计算量，能有效提取数据的局部和全局特征，被广泛应用于计算机视觉领域，如图像分类、物体检测、图像分割等。 图片卷积神经网络的基本结构卷积神经网络的主要包括卷积层、池化层和全连接层。

11月8日，字节跳动旗下的AI内容平台即梦AI宣布，即日起，由字节跳动自研的视频生成模型Seaweed面向平台用户正式开放。 用户登陆后，在“视频生成”功能下，视频模型选择“视频S2.0”即可体验。 图说：即梦AI PC端和App端模型使用入口9月底，字节跳动正式宣布向AI视频领域进军，发布豆包模型家族的两款视频生成模型Seaweed和Pixeldance，并通过即梦AI、火山引擎分别面向创作者和…

AI无疑是当下最热门的一个话题，不管你是不是做技术，多多少少都听过它，很多人甚至都担心自己的工作会被它取代，那么，AI的背后的原理是什么？ 为什么它会这么流行？ 这篇文章，我们通过搭建一个简单的聊天机器人来了解 AI背后的秘密。

纳尼？ AI Agent容易受到弹幕影响！ 甚至比人类更容易。

历时四年，微软亚研院AI for Science团队发布AI驱动的从头算（ab initio）生物分子动力学模拟系统。 直接登上Nature正刊。 系统名为AI²BMD，能够高效模拟含有10000多个原子的各种蛋白质，分辨率达到全原子级别，近似达到从头算（第一性原理）的精确度。

一位身无分文的失业小哥，和父母住在一起。 在2020年那一年，他看准AI是个风口，决定全力投入。 在父母的卧室里，他创办了一家价值3500万美元的AI初创公司。

文本属性图Text-Attributed Graphs（TAGs）是一种在节点上有丰富文本信息的图结构， TAGs 广泛应用于社交网络（social network）、引用网络（citation network）和推荐系统（recommendation system）等实际场景中。 由于其强大且通用的表达能力，该领域近年来得到了快速发展。 然而目前TAGs面临三大挑战：现有的TAGs数据集一般仅在…

这才是堪称终极的商业模式。 云计算最天才的核心构想，就是让一家掌握大量IT预算（每年可能高达数亿美元）且拥有一定专业知识的大企业，先建立起规模远超自身需求的IT部门，为此砸下数十亿美元（到如今的AI时代，投资额甚至可能高达数百亿美元），再将绝大部分容量出租给第三方客户。 如此一来，单凭第三方租金基本就足以抵平云服务商自身的IT运营成本。

君可知，我们每天在网上的见闻，有多少是出自AI之手？ 图片除了「注意看！ 这个男人叫小帅」让人头皮发麻，真正的问题是，我们无法辨别哪些内容是AI生成的。

出品 | 51CTO技术栈（微信号：blog51cto）“过去12年的AI热潮得益于三位在面对广泛批评时依然追求非传统理念的先驱。 一位是多伦多大学的Geoffrey Hinton，他几十年如一日地推广神经网络，尽管几乎所有人都怀疑它。 第二位是Nvidia的CEO黄仁勋，他早早意识到GPU不仅仅能用于图形处理。

编译 | 言征出品 | 51CTO技术栈（微信号：blog51cto）对于“AI帮助生产力提高”这件事情上，开发人员与他们的老板，意见其实非常不一致。 最近， Atlassian-DX DevEx 进行了一项现状调查，结果非常有意思——调查结果显示，公司老板们认为 AI 是提高开发人员生产力和满意度的最有效方法，但高达三分之二的开发人员却不这么想，他们认为实际上没有任何显著的 AI 生产力提升。 …

消除激活值(outliers)，大语言模型低比特量化有新招了——自动化所、清华、港城大团队最近有一篇论文入选了NeurIPS 2024（Oral Presentation），他们针对LLM权重激活量化提出了两种正交变换，有效降低了outliers现象，达到了4-bit的新SOTA。 简单理解，在大语言模型（LLM）中，有一些中间层输出的数值（激活值 Activation）会变得非常大，它们被称为“…

译者 | 布加迪审校 | 重楼通过轻松地挑选和丢弃组件并连接组件来构建LLM应用程序，比如矢量存储区、web搜索、存储内容和自定义提示等组件。 许多商业人士和非技术人士向我询问如何在缺乏技术知识的情况下构建AI应用程序。 我总是告诉他们，市面上有许多非代码解决方案，它们易于使用，可以帮助他们为公司中的任何人构建原型并部署解决方案。

现在，视频生成模型无需训练即可加速了？ ！ Meta提出了一种新方法AdaCache，能够加速DiT模型，而且是无需额外训练的那种（即插即用）。

优秀基因的演化和重组，是生命体适应环境、永葆活力的自然法则。 AI智能体能否像有机生命一样，实现适应任务环境的高效自我演化？ 大模型智能体的快速发展在数学、医疗、个人助手等各领域产生了突破性应用，但依赖专家知识的手工设计方法制约了它们的任务自适应能力。

一个月前，诺贝尔化学奖颁给了AlphaFold，给全世界带来了一场认知地震。 人们开始意识到，近年来，AI在解析蛋白质结构与设计方面的应用进展迅速。 凭借AlphaFold和其他前沿算法，研究人员能够以惊人的速度预测和分析蛋白质的三维结构，破解了这个长期以来困扰生物学界的难题。

一、策略产品的定义和能力模型1.  策略产品的定义策略产品，即在限制条件内，通过推动项目、设定评估体系和全面评估项目收益三种手段，达到全局最优解的产品岗位。 限制条件：法律法规限制（如黄色内容在国内是禁止的），用户体验设计（如客户端弹窗三次是体验规范不允许的，一般只弹窗一次），项目资源设计（设备、人力等资源都是有限的），策略产品必须在这些边界条件内去求解。

九月份，OpenAI o1正式登场。 作为新一代的老大哥，o1系列专注于复杂的推理任务，一经推出也是直接屠榜了大模型竞技场。 图片在下面这些难度较大的数学、编码、科学等任务中，o1不仅比GPT-4o强上一大截，甚至比人类专家还要凶猛。

1.思维导图在报告中的多重用途思维导图在数据分析报告中发挥着多种关键作用。 业务需求澄清和目标确定：在进行数据分析之前，思维导图可用于清晰展示和澄清各个业务需求之间的联系，以确保在分析过程中不遗漏任何重要方面。 同时，借助思维导图，数据分析师能够明晰分析的范围和目标，更有针对性地进行数据收集和分析。

编辑 | KX生物世界的本质在于分子及其相互作用的不断变化。 了解生物分子的动力学和相互作用对于破译生物过程背后的机制，以及开发生物材料和药物至关重要。 正如诺贝尔物理学奖得主理查德·费曼（Richard Feynman）的名言：「所有生物体的行为都可以通过原子的颤动和摆动来理解。

在计算机视觉和图像处理应用中，选择正确的图像格式可以影响性能和质量。 无论你是在预处理数据以训练深度学习模型、在实时系统上运行推理，还是处理大型数据集，了解PNG、JPG和WEBP的优势和劣势可以帮助你做出明智的选择。 让我们深入了解每种格式在图像处理方面的独特特性，并提供实际的代码示例，展示如何使用Python中的OpenCV加载和保存这些格式。

随着好莱坞制片厂、演员和编剧就电影中AI的使用展开争论，一部重要的新片已全面拥抱了这项技术。 三星影片公司(TriStar . Pictures)发行了由罗伯特·泽米吉斯(Robert .

NVIDIA本周在德国慕尼黑举行的年度机器人学习大会上推出了这些新工具，大会重点关注了机器人技术和机器学习的交叉领域。 NVIDIA宣布推出新的机器人AI学习和模拟工具其中，包括现已上市的机器人学习框架NVIDIA Isaac Lab；6个用于Project GR00T的新人形机器人学习工作流程，以支持AI机器人大脑开发；以及用于视频处理的新开发人员工具。 观察和理解世界对于机器人技术发展至关重要…

如今，AI引领着技术发展，营销人员热衷于在各种应用场景中对其进行试验。 对于那些见证了营销技术初期激增的人来说，进展可能看似缓慢，但它正在稳步增长。 Institute与Drift合作发布的一份最新报告显示，现在有77%的营销人员表示他们对AI的理解达到高级或中级水平，而前一年这一比例为65%。