资讯列表
Llama2推理RTX3090胜过4090，延迟吞吐量占优，但被A800远远甩开
这是为数不多深入比较使用消费级 GPU（RTX 3090、4090）和服务器显卡（A800）进行大模型预训练、微调和推理的论文。大型语言模型 (LLM) 在学界和业界都取得了巨大的进展。但训练和部署 LLM 非常昂贵，需要大量的计算资源和内存，因此研究人员开发了许多用于加速 LLM 预训练、微调和推理的开源框架和方法。然而，不同硬件和软件堆栈的运行时性能可能存在很大差异，这使得选择最佳配置变得困难。最近，一篇题为《Dissecting the Runtime Performance of the Training,
快手Agents系统、模型、数据全部开源！
快手联合哈尔滨工业大学研发的「KwaiAgents」，使7B/13B模型也能达到超越GPT-3.5的效果，并且这些系统、模型、数据、评测都开源了！7B 大小的模型也能玩转 AI Agents 了？近期，快手开源了「KwaiAgents」，问它周末滑雪问题，它不但帮你找到场地，连当天的天气都帮你考虑周到了。大家都知道大语言模型（LLM）通过对语言的建模而掌握了大量知识，并具备一定认知和推理能力。但即使是当前最强的 GPT-4，单独使用的情况下，依然会一本正经地胡说八道，无法跟世界保持实时的交互。AI Agents 就
大模型+机器人，详尽的综述报告来了，多位华人学者参与
大模型的出色能力有目共睹，而如果将它们整合进机器人，则有望让机器人拥有一个更加智能的大脑，为机器人领域带来新的可能性，比如自动驾驶、家用机器人、工业机器人、辅助机器人、医疗机器人、现场机器人和多机器人系统。预训练的大型语言模型（LLM）、大型视觉 - 语言模型（VLM）、大型音频 - 语言模型（ALM）和大型视觉导航模型（VNM）可以被用于更好地处理机器人领域的各种任务。将基础模型整合进机器人是一个快速发展的领域，机器人社区最近已经开始探索将这些大模型用于感知、预测、规划和控制等机器人领域。近日，斯坦福大学和普林斯
年度盘点！2023年不容错过的30款AI神器，你用过多少？
大家好我是花生~
还有几天 2023 年就结束了，过去的 1 年里生成式 AI 技术发展迅速，出现了很多优质的 AI 工具，今天就为大家盘点其中我觉得非常不错的那些产品~
相关推荐：一、AI 聊天机器人
① ChatGPT
过去 1 年是大语言模型发展的井喷之年，但是说起目前最强大的 AI 聊天机器人，却依旧是 1 年前横空出世的 ChatGPT。ChatGPT 的目前内置的是 GPT-4V 多模态模型，可以处理图像、音频等多种类型的信息，性能也比之前的 GPT-3.5 要好。今年 ChatGPT 还出了手机 AP
如何用AI生成设计稿？实战案例演示来了！（下）
上期回顾：一、实际业务中组件库的难题
1. 组件使用要“天时、地利、人和”
组件虽好，却不一定适合你的团队，在使用组件、搭建组件库时，会遇到各种问题，下面列举实际业务中可能遇到的部分问题：
①一开始，建立大而全的组件库：
建立组件库的目的是为了让同事调用，从而去保持产品设计的一致性和性能的优化。
谈到组件库，大部分人都觉得要设置一个大而全的组件库，不然称不上组件库，但是在实际工作的数据中，长期调用的组件只占到 20%，有些组件调用甚至是个位数，一开始把精力放在完善组件库上，投入产出比不高。
第二个容易遇到的问题，团
高通高管预测2024生成式AI趋势：从云端转向终端，覆盖多品类
曾几何时，科幻电影《回到未来》中用香蕉皮和啤酒做燃料的DeLorean跑车还显得滑稽可笑，而如今却已经有10%的汽车由电力驱动。仅仅一年前，用真正的自然语言与计算机交流尚属科幻，但现在我们已经认识到，个人AI助手将成为下一代人生活中不可或缺的组成部分。生成式AI在几乎每个行业都是无可争议的变革性技术，明年人们将继续感受到它带来的影响。我热爱在高通工作的一个原因是，我的身边都是发明家和商业领袖，他们正在开发部署领先的边缘AI、高性能低功耗计算、以及连接技术，旨在随时随地支持智能计算。当然，没人能够完全预测明年生成式A
ScienceAI 2023 年度「AI+药物&医疗&基因组&细胞」专题
编辑 | 白菜叶过去一年，人工智能在遗传、医疗、制药等领域发挥了重要作用，并取得了众多进展，为人类健康发展带来了新希望。以下为 ScienceAI 2023「AI 药物&医疗&基因组&细胞」专题年度回顾华为团队开发组合贝叶斯优化框架，进行抗体计算机设计中科院团队用AI图像识别搭建新系统，允许自动识别和分选单个细胞Quantum-Si与Biovista合作，将蛋白质测序技术与AI可视化结合起来，进一步解锁人类蛋白质组以发现新药国科大和温医大团队通过拉曼光谱结合深度学习，用于快速、无标签肝癌组织病理诊断用于 DNA 测
生成模型揭示材料无序的秘密，改善功能材料设计
编辑 | 绿萝压电材料可以因机械变形产生电场，也可以因电场作用产生机械变形，这种固有的机-电耦合效应使得压电材料在工程中得到了广泛的应用。在材料科学领域，了解复杂材料中的不同结构紊乱是否具有有价值的功能，其中一个关键挑战是识别特定样品中的紊乱类型。新加坡国立大学的一个研究小组通过将压电材料畴界（domain boundary）中的各种结构紊乱压缩为一小组简单的多尺度概率规则来解决这一挑战。根据这些规则，他们创建了一个生成式机器学习模型，该模型的长度尺度跨越了三个数量级，从而可以研究超出实际测量限制的材料的统计特性。
2023年科研领域「 科学ChatGPT」有哪些？LLM for Science有哪些探索......
作者 | 凯霞2023 年，人工智能领域最具影响的莫过于 GPT-4、ChatGPT 了。ChatGPT 凭一己之力掀起了 AI 领域的热潮，火爆全球，似乎开启了第四次工业革命。ChatGPT 入选《Nature》2023 年度十大人物（Nature’s 10），这是有史以来第一次「计算机程序」——首个非人类实体入选。《Nature》表示这一做法旨在认可模仿人类语言的 AI 系统在科学发展和进步中所发挥的作用。同时，ChatGPT 在内的 AI 工具也被《Nature》评为 2024 年值得关注的科学事件之一。期待
在AIGC打造的冰雪大世界，「剁手党」们收获的不只有快乐，还有钱包
2023 淘宝年终大促，有了 AIGC 开路助力。AI 圈的人或许都知道，ChatGPT 及随后出现的各种大语言模型将 AIGC 的热度推向了全新的高潮。可以说，AIGC 已经遍地开花、无处不在了，小到普通用户用手机 AI 应用生成图片，大到企业用 AIGC 工具提升生产力、KPI。这股 AI 浪潮已经势不可挡。这一次，国内顶尖电商平台也借起了 AIGC 的东风。2023 年，淘宝取消了往年的「双 12」大促活动，改成了平台大型活动「淘宝年终好价节」，从 12 月 8 日预热、12 月 9 日到 12 月 12 日
华为诺亚的盘古Agent来了，让智能体学会结构化推理
有结构化推理和先验知识，智能体变得更加通用了。自 AI 诞生以来，开发能够解决和适应复杂工作的多任务智能体（Agent）一直是个重要的目标。AI 智能体对于许多应用至关重要，研究者通常用强化学习方法通过环境交互来培养智能体的决策技能。基于模型和无模型的深度强化学习方法都已取得了广为人们所知的成就，例如 AlphaZero、改进的排序和乘法算法、无人机竞速以及聚变反应堆中的等离子体控制。这些成功涉及一个标准的强化学习管道，智能体在其中学习我们所说的外在功能 —— 一种直接与外界交互的策略，即响应环境刺激以最大化奖励信
给Transformer降降秩，移除特定层90%以上组件LLM性能不减
MIT、微软联合研究：不需要额外训练，也能增强大语言模型的任务性能并降低其大小。在大模型时代，Transformer 凭一己之力撑起了整个科研领域。自发布以来，基于 Transformer 的 LLM 在各种任务上表现出卓越的性能，其底层的 Transformer 架构已成为自然语言建模和推理的最先进技术，并在计算机视觉和强化学习等领域显示出强有力的前景。然而，当前 Transformer 架构非常庞大，通常需要大量计算资源来进行训练和推理。 这是有意为之的，因为经过更多参数或数据训练的 Transformer 显
清华&第四范式&腾讯研究团队：图神经网络与生物医学网络实现新兴药物相互作用预测
编辑 | 萝卜皮新兴药物的药物相互作用 (DDI) 为治疗和缓解疾病提供了可能性，利用计算方法准确预测这些相互作用可以改善患者护理并有助于高效的药物开发。然而，许多现有的计算方法需要大量已知的 DDI 信息，这对于新兴药物来说是稀缺的。清华大学、第四范式（4Paradigm）以及腾讯 Jarvis Lab 的研究人员提出了 EmerGNN，这是一种图神经网络，可以利用生物医学网络中的丰富信息来有效预测新兴药物的相互作用。EmerGNN 通过提取药物对之间的路径、将信息从一种药物传播到另一种药物以及在路径上结合相关的
LLM与药物发现结合，NVIDIA、Mila、Caltech团队发布多模态分子结构-文本模型
作者 | 刘圣超编辑 | 凯霞从2021年开始，大语言和多模态的结合席卷了机器学习科研界。最近随着大模型、多模态的应用，一个很自然的想法就是我们是否也可以将这些技术用到药物发现上？并且这些自然语言的文本描述，是否对于药物发现这个有挑战性的问题带来新的视角？答案是肯定并且乐观的。近日，加拿大蒙特利尔学习算法研究院（Mila）、NVIDIA Research、伊利诺伊大学厄巴纳－香槟分校（UIUC）、普林斯顿大学和加州理工学院的研究团队，通过对比学习策略共同学习分子的化学结构和文本描述，提出了一种多模态分子结构-文本模
迈向程序化蛋白质生成
编译 | 波菜叶机器学习算法在计算蛋白质设计中的应用最近取得了许多成就，例如从氨基酸序列预测3D结构以及可以折叠成所需3D结构的蛋白质序列的逆向设计。然而，从头蛋白质结构生成——即生成具有所需特性的蛋白质结构——仍然是一项艰巨的任务。巨大的蛋白质分子空间，以及功能性蛋白质仅由所有可能的蛋白质分子的一小部分组成的事实，使得有效识别序列、结构和功能（或性质）之间的关系变得困难。虽然深度生成模型促进了蛋白质结构的生成，但仍然存在一些挑战，例如完整蛋白质复杂性的生成、具有不同设计约束的条件采样而不需要重新训练模型，以及随着
超10亿个核苷酸水平的测量，首个RNA基础模型解锁RNA药物发现
编辑 | KX近日，生物技术公司 Atomic AI 宣布，创建了第一个利用化学制图数据的大型语言模型（LLM）。Atomic AI 将尖端机器学习与最先进的结构生物学相结合，以解锁 RNA 药物发现。Atomic AI 的研究人员创建了一个新的平台组件，利用内部使用定制湿实验室分析收集的大规模化学作图数据。科学家们收集了数百万条 RNA 序列的数据，并进行了超过 10 亿个核苷酸水平的测量。通过这些数据的训练，ATOM-1 对 RNA 有了丰富的了解，然后可以用来优化不同 RNA 模式的特性。Atomic AI
革新搜索从健康场景开始，夸克App全面升级健康搜索体验
大模型时代，夸克率先迈出了革新搜索的第一步。12月25日，夸克App宣布全面升级健康搜索，推出健康大模型应用“夸克健康助手”，并在部分搜索结果和功能板块中上线全新的内容交互方式。升级后，用户在夸克中搜索健康信息的正确率超过行业平均水平，多样化的信息呈现方式和优质搜索内容将更加便捷和实用。革新搜索迈出第一步，夸克打造健康搜索新体验 自互联网出现以来，通过搜索平台查询健康信息成为用户的高频需求之一。但是从实际体验来看，传统搜索框存在问题表述不清、信息理解困难等顽疾。随着AI时代来临，大模型应用即将改变这一现状。为了给用
免费实用！16款 Stable Diffusion 插件全面测评
随着 Stable Diffusion 的不断进化，越来越多的开发者加入到插件开发的行列中。大家都知道网上虽然教程多，但非常碎片，一个个学习和查阅真的非常耗时，感觉每天都在烧脑。如果你是 SD 小白或者是小懒猫，又想快速上手使用 Stable Diffusion 插件，那么这篇文章就非常适合你了！因为这是以设计师日常应用的角度出发，从推荐指数、易上手程度、使用频率三个维度来测评。
希望这篇文章能够帮助大家更好地了解 Stable Diffusion 插件。
更多SD插件：一、前方高能
1. prompt-all-i