東方財富人工智能首席科學家劉志毅：大模型應用需聚焦專業場景AI治理關鍵在可解釋性
12月6日，上海市臨港新片區主辦的“2024年滴水湖新興金融大會”隆重舉行。當日下午，在南方財經全媒體集團、21世紀經濟報道承辦的“2024南財數字金融領航者論壇”上，圍繞“數字時代的金融變革新趨勢”主題，東方財富人工智能首席科學家劉志毅在圓桌論壇上發表了相關觀點。
首頁 > 解釋性
解釋性
-
-
決策過程是魔法還是科學？首個多模態大模型的可解釋性綜述全面深度剖析
本文由香港科技大學（廣州）、上海人工智能實驗室、中國人民大學及南洋理工大學聯合完成。主要作者包括香港科技大學（廣州）研究助理黨運楷、黃楷宸、霍家灝（共同一作）、博士生嚴一博、訪學博士生黃思睿、上海AI Lab青年研究員劉東瑞等，通訊作者胡旭明為香港科技大學/香港科技大學（廣州）助理教授，研究方向為可信大模型、多模態大模型等。
-
商湯科技聯合創始人：大模型讓自動駕駛擁有更好的可解釋性
·大模型的長處在于能夠找到新的解法，幫助解決新問題，一旦解決以后可以在狹窄領域產生大量數據，重新訓練小模型。商湯推出了千億參數大模型，也會推出針對不同垂直領域的百億參數小模型，有的小模型甚至可以跑在終端上，成本更低。商湯科技聯合創始人、首席科學家、絕影智能汽車事業群總裁王曉剛。今年4月，人工智能軟件
-
太魔幻了！DALL·E2居然能用自創的語言來生成圖像，AI模型的可解釋性再一次暴露短板
萬一DALL·E-2是在向人類發出什么了不得的信號呢？這門語言快學起來！作者｜李梅、劉冰一編輯｜陳彩嫻DALL·E 和 DALL·E-2從文本生成圖像的魔力，想必大家都已經見識過了。作為深度生成模型，它們能夠將文本作為輸入，生成匹配給定文本的超逼真圖像。不過，DALL·E-2 的一個眾所周知的局限性
-
國科大&首師大合作綜述，「白盒」張量網絡：增強量子機器學習的可解釋性和效率
深度機器學習在 AI 的各個領域取得了顯著的成功，但同時實現高可解釋性和高效率仍然是一個嚴峻的挑戰。張量網絡（Tensor Network，TN）是一種源自量子力學的成熟數學工具，在開發高效的「白盒」機器學習方案方面顯示出了其獨特的優勢。
-
用多模態LLM做自動駕駛決策器，可解釋性有了！比純端到端更擅長處理特殊場景，來自商湯
用多模態大模型做自動駕駛的決策器，效果居然這么好？來自商湯的最新自動駕駛大模型DriveMLM，直接在閉環測試最權威榜單CARLA上取得了SOTA成績——跑分比基線Apollo還要高4.7，令一眾傳統模塊化和端到端方法全都黯然失色。
