资讯列表
Keras 3.0正式发布：可用于TensorFlow、JAX和PyTorch
经过 5 个月的更新迭代，Keras 3.0 终于来了。「大新闻：我们刚刚发布了 Keras 3.0 版本！」Keras 之父 François Chollet 在 X 上激动的表示。「现在你可以在 JAX、TensorFlow 以及 PyTorch 框架上运行 Keras……」对于这一更新，Keras 官方表示，这一版本足足花了他们 5 个月的时间进行公测才完成。Keras 3.0 是对 Keras 的完全重写，你可以在 JAX、TensorFlow 或 PyTorch 之上运行 Keras 工作流，新版本还具有
训练130亿大模型仅3天，北大提出Chat-UniVi统一图片和视频理解
北京大学和中山大学等机构研究者提出了统一的视觉语言大模型 ——Chat-UniVi。通过构建图片和视频统一表征，该框架使得一个 LLM 能够在图片和视频的混合数据下训练，并同时完成图片和视频理解任务。更重要的是，该框架极大降低了视觉语言模型训练和推理的开销，使得在三天以内即可训练出具有 130 亿参数的通用视觉语言大模型。Chat-UniVi 模型在图片和视频的下游任务中都取得了卓越的性能。所有代码、数据集和模型权重均已开源。论文地址： 地址： 地址： 地址： 图 1 Chat-UniVi 在图片
可能是最强AI绘图插件！如何在PS中使用Stable Diffusion？
「天空一声巨响，川子闪亮登场！」，大家好，我是言川，在经过两个月的学习和沉淀（拖更）之后，我回归写文章这件有趣的事情上来了。老规矩，先说下本篇文章是个什么玩意儿，咳咳~各位设计总监们，玩过 PS 吧（应该说是 Photoshop）。各位 AI 大神们，听说过并且玩过 SD 吧（Stable Diffusion）。这两款都是独立且庞大的设计软件，并且经过今年 AI 浪潮的洗礼，我们似乎在设计中好像很难完全无视掉 SD 这款强大且可控性极强的 AI 软件。
而在设计师的工作中，PS 也基本是设计师必用的软件之一，但是
600万辆的「丰收」：比亚迪做对什么了
作者 / 华卫11月24日，比亚迪第600万辆新能源汽车在郑州工厂完成下线。今年8月，比亚迪才宣布完成第500万辆新能源汽车下线。两次下线捷报之间，只相隔了短短三个多月时间。从2008年入局新能源汽车，到完成100万辆新能源汽车下线，用时13年；从100万辆到300万辆，用时一年半；而从300万辆到如今的第600万辆下线，仅花费12个月的时间。不断走高的销量速度和规模，印证了比亚迪在国内和海外市场的双「丰收」。要说这背后的功臣，莫过于比亚迪在各个细分市场打造的爆款车型。此外，就得细数为其赢得人心的一系列智能化技术了
2023“欧贝杯”工业品供应链数据智能创新大赛正式开启！
2023第二届欧贝杯工业品供应链数据智能创新大赛为促进工业品 B2B 电商产业生态建设，推进大语言模型与实体经济深度 融合，在成功举办 2022 第一届欧贝杯的基础上，欧冶工业品股份有限公司 与上海市电子商务行业协会在上海市经济与信息化委员会的指导下，共同主办 2023 第二届《“欧贝杯”工业品供应链数据智能创新大赛》。本次大赛面向全国各大高校，聚焦工业品供应链场景下垂类大模型的创新应用设计，探索 AI 多模态赋能工业经济的数智路径，致力于推动工业链、产业链、价值链的重塑再造。 赛题场景一：投标文件智能理解与生成在
简化版Transformer来了，网友：年度论文
从大模型的根源开始优化。Transformer 架构可以说是近期深度学习领域许多成功案例背后的主力军。构建深度 Transformer 架构的一种简单方法是将多个相同的 Transformer 「块」（block）依次堆叠起来，但每个「块」都比较复杂，由许多不同的组件组成，需要以特定的排列组合才能实现良好的性能。自从 2017 年 Transformer 架构诞生以来，研究者们基于其推出了大量衍生研究，但几乎没有改动过 Transformer 「块」。那么问题来了，标准 Transformer 块是否可以简化？在最
ChatGPT提示词新玩法「make it more」，文生图效果翻倍
一个非常好用的 ChatGPT 提示词技巧。ChatGPT 想来大家都不陌生了，但如何用好它却没有想象中的那么容易。尤其是在文生图任务中，提示上的一些技巧非常有用。想要生成一张符合预期的图像，需要在输入提示词上「取巧」。近日，网络上流行起了 ChatGPT 的「make it more」文生图玩法，一时之间网友纷纷效仿试玩，看起来效果不错。下面这位推友展示了生成「辣面」，然后在提示中渐进地要求增加辣度，前后效果对比一目了然。 来源：@venturet
规模小、效率高：DeepMind推出多模态解决方案Mirasol 3B
性能优于规模更大的模型。多模态学习面临的主要挑战之一是需要融合文本、音频、视频等异构的模态，多模态模型需要组合不同来源的信号。然而，这些模态具有不同的特征，很难通过单一模型来组合。例如，视频和文本具有不同的采样率。最近，来自 Google DeepMind 的研究团队将多模态模型解耦成多个独立的、专门的自回归模型，根据各种模态的特征来处理输入。具体来说，该研究提出了多模态模型 Mirasol3B。Mirasol3B 由时间同步模态（音频和视频）自回归组件，以及用于上下文模态的自回归组件组成。这些模态不一定在时间上对
Nature | 通过功能优先、人工智能引导的生成模型 Chroma 重塑蛋白质设计
编辑 | 萝卜皮三十亿年的进化已经产生了极其多样化的蛋白质分子，但蛋白质的全部潜力可能要大得多。挖掘这种潜力对于计算和实验来说都是一个挑战，因为可能存在的蛋白质分子的空间，比那些可能具有功能的空间大得多。美国 Generate Biomedicines 的研究团队介绍了 Chroma，一种蛋白质和蛋白质复合物的生成模型，可以直接对新的蛋白质结构和序列进行采样，并且可以进行调节以引导生成过程实现所需的特性和功能。为了实现这一点，研究人员引入了一种尊重聚合物整体构象统计的扩散过程，这是一种分子系统的有效神经架构，它能够
BAAI、北大&港中文团队提出 SegVol：通用且可交互的医学体素分割模型
编辑 | ScienceAI上周，北京智源人工智能研究院（BAAI）、北京大学和香港中文大学的研究团队开源了 SegVol 医学通用分割模型。与过去一些很棒的 Medical SAM 工作不同，SegVol 是第一个能够同时支持 box，point 和 text prompt 进行任意尺寸原分辨率的 3D 体素分割模型。作为一个便捷的通用分割工具，研究人员将 SegVol 代码和模型开源到 GitHub:BAAI-DCAI/SegVol，欢迎大家使用。目前开源的模型权重文件包括（1）使用 96k CTs 预训练 2
胡渊鸣全新创业项目Meshy曝光：一句话生成3D游戏资产，仅需一分钟
机器之能报道编辑：吴昕它会是3D AIGC领域的Midjourney 吗？游戏、电影和 XR 行业对 3D 模型的需求正在激增。尤其是当苹果 Vision Pro、Quest 3 等硬件出货量达到一定量级时，市场对 3D 内容需求可能会出现井喷。遗憾的是目前市场供应侧，专业创作者还困顿于漫长的创作时间，而摩拳擦掌的业余玩家依旧游离在复杂的创作工具之外。随着生成 AI 技术的兴起，如何打造一款全新的 3D 内容生成工具，加速制作流程，弥合市场供需之间的巨大落差，正成为一些技术大神们关注的方向。Meshy 就是这样
单个A100生成3D图像只需30秒，这是Adobe让文本、图像都动起来的新方法
3D 生成是 AI 视觉领域的研究热点之一。本文中，来自 Adobe 研究院和斯坦福大学等机构的研究者利用基于 transformer 的 3D 大型重建模型来对多视图扩散进行去噪，并提出了一种新颖的 3D 生成方法 DMV3D，实现了新的 SOTA 结果。2D 扩散模型极大地简化了图像内容的创作流程，2D 设计行业也因此发生了变革。近来，扩散模型已扩展到 3D 创作领域，减少了应用程序（如 VR、AR、机器人技术和游戏等）中的人工成本。有许多研究已经对使用预训练的 2D 扩散模型，生成具有评分蒸馏采样（SDS）损
GPT-4+物理引擎加持扩散模型，生成视频逼真、连贯、合理
扩散模型的出现推动了文本生成视频技术的发展，但这类方法的计算成本通常不菲，并且往往难以制作连贯的物体运动视频。为了解决这些问题，来自中国科学院深圳先进技术研究院、中国科学院大学和 VIVO AI Lab 的研究者联合提出了一个无需训练的文本生成视频新框架 ——GPT4Motion。GPT4Motion 结合了 GPT 等大型语言模型的规划能力、Blender 软件提供的物理模拟能力，以及扩散模型的文生图能力，旨在大幅提升视频合成的质量。项目链接：：：，GPT4Motion 使用 GPT-4 基于用户输入的文本 pr
谷歌：LLM找不到推理错误，但能纠正它
LLM 找不到推理错误，但却能纠正错误！今年，大型语言模型（LLM）成为 AI 领域关注的焦点。LLM 在各种自然语言处理（NLP）任务上取得了显著的进展，在推理方面的突破尤其令人惊艳。但在复杂的推理任务上，LLM 的表现仍然欠佳。那么，LLM 能否判断出自己的推理存在错误？最近，剑桥大学和 Google Research 联合开展的一项研究发现：LLM 找不到推理错误，但却能使用该研究提出的回溯（backtracking）方法纠正错误。论文地址：：，有人提出异议，比如在 Hacker News 上，有人评论这篇论
第四波！2023年11月精选实用设计工具合集
大家好，这是 2023 年 11 月的第 4 波干货合集！这次的合集专门推荐了3个值得收藏的设计和艺术相关的网站，你可以在其中了解最新的艺术和设计作品，全球顶尖艺术院校的学生的毕业项目，以及最专业的艺术知识，另外的 3 个 AI 相关的工具也同样非常有趣，有基于 GPT 的 工具合集，也有可以帮你开发 iOS 应用的 AI 服务，还有基于歌词生成歌曲的 AI 工具。
当然，在此之前记得看看往期干货中有没有你感兴趣的素材：下面我们具体看看这一期的干货：
1、内容超全的当代线上艺术档案馆
是一个内容极为丰富的、内里界
效率暴涨！5 款设计师必备的 Stable Diffusion WebUI 模型（四）
大家好，这里是和你们一起探索 AI 绘画的花生~
今天继续为大家推荐 5 款优质的设计类 Stable Diffusion WebUI 模型 ，包含春节插画、3D 电商场景、中式花草元素、商业扁平插画等。
上期回顾：一、CJillustration 春节插画
这是一个专门为春节炼制的 SDXL 大模型，是近几年国内比较流行的商业插画的风格。内容主要为家庭聚会和宴席，同时有灯笼、中式建筑等背景装饰，整体效果不错。下载链接： （附件有资源包）
推荐设置：启用高清修复可以优化人物面部；使用 ComfyUI 或者 Foo
比「让我们一步一步思考」这句咒语还管用，提示工程正在被改进
大语言模型可以通过元提示执行自动提示工程，但由于缺乏足够的指导以引导大语言模型中的复杂推理能力，它们的潜力可能没有完全发挥。那么该如何指导大语言模型进行自动提示工程？大型语言模型（LLM）已经是许多自然语言处理任务的强大工具，只要能给出正确的提示。然而，由于模型的敏感性，找到最优提示通常需要进行大量手动尝试和试错努力。此外，一旦将初始提示部署到生产环境中，可能会出现意想不到的边缘情况，需要更多轮的手动调整来进一步完善提示。这些挑战催生了自动提示工程的新兴研究领域。在这一领域内，一个显著的方法涉及利用 LLM 自身的