首頁 > 新作

新作

  • 馬毅團隊新作！微調多模態大模型會災難性遺忘，讓性能大減

    編輯：桃子 好困【新智元導讀】馬毅教授團隊最新研究表明，微調多模態大語言模型（MLLM）將會導致災難性遺忘。模型災難性遺忘，成為當前一個關鍵熱門話題，甚至連GPT-4也無法避免。近日，來自UC伯克利、NYU等機構研究人員發現，微調后的多模態大模型，會產生災難性遺忘。論文地址：https://arxi

  • 何愷明劉壯新作：消除數據集偏差的十年之戰

    MIT新晉副教授何愷明，新作新鮮出爐：瞄準一個橫亙在AI發展之路上十年之久的問題：數據集偏差。該研究為何愷明在Meta期間與劉壯合作完成，他們在論文中指出：這不禁讓人懷疑：我們在消除數據集偏差的戰斗中，真的取得了勝利嗎？

  • GAN的反擊：朱俊彥CVPR新作GigaGAN，出圖速度秒殺StableDiffusion

    圖像生成是當前 AIGC 領域最熱門的方向之一。近期發布的圖像生成模型如 DALL?E 2、Imagen、Stable Diffusion 等等，開創了圖像生成的新時代，實現了前所未有的圖像質量和模型靈活性水平。擴散模型也成為目前占據主導地位的范式。然而，擴散模型依賴于迭代推理，這是一把雙刃劍，因為

  • 圖靈獎得主YoshuaBengio新作：WereRNNsAllWeNeeded?

    自從 Transformer 模型問世以來，試圖挑戰其在自然語言處理地位的挑戰者層出不窮。這次登場的選手，不僅要挑戰 Transformer 的地位，還致敬了經典論文的名字。再看這篇論文的作者列表，圖靈獎得主、深度學習三巨頭之一的 Yoshua Bengio 赫然在列。論文標題：Were RNNs

  • 何愷明新作：簡單框架達成無條件圖像生成新SOTA！與MIT合作完成

    大佬何愷明還未正式入職MIT，但和MIT的第一篇合作研究已經出來了：他和MIT師生一起開發了一個自條件圖像生成框架，名叫RCG（代碼已開源）。這個框架結構非常簡單但效果拔群，直接在ImageNet-1K數據集上實現了無條件圖像生成的新SOTA。

  • 朱玉可團隊新作：看一眼就能模仿，大模型讓機器人輕松學會撒鹽

    在人形機器人領域，有一個非常值錢的問題：既然人形機器人的樣子與人類類似，那么它們能使用網絡視頻等數據進行學習和訓練嗎？如果可以，那考慮到網絡視頻的龐大規模，機器人就再也不用擔心沒有學習資源了。近日，德克薩斯大學奧斯汀分校和 NVIDIA Research 的朱玉可團隊公布了他們的一篇 CoRL 20