Qudata领域信息情报检索

收集有关机器学习和人工智能开发服务的最新新闻,数据更新和研究结果。Qudata是一家于2018年从游戏开发公司崛起,并转型专注于解决复杂的机器学习和人工智能挑战的初创公司。

树架构相对于卷积网络的优势:性能研究

Advantages of tree architectures over Convolutional Networks: A Performance Study

以基于树的架构为中心的最新 AI 研究为训练人工神经网络开辟了新的视角。

现代 CAPTCHA 的实证研究和评估

An Empirical Study and Evaluation of Modern CAPTCHAs

最近的研究表明,尽管 CAPTCHA 被广泛用于防御自动化,但如今在解决 CAPTCHA 方面,机器人在速度和准确性方面都胜过人类。

Meta 的 SeamlessM4T:多语言通信的突破

Meta's SeamlessM4T: A Breakthrough in Multilingual Communication

SeamlessM4T 凭借其全面的翻译和转录功能打破了语言障碍,这种人工智能模型可以轻松转换语音或文本,实现实时翻译并促进跨文化理解。

AI 模型增强癌症起源识别以实现精准治疗

AI model enhances cancer origin identification for precise treatment

OncoNPC 模型的预测通过精确定位具有挑战性的肿瘤的来源,促进有针对性的干预,为个性化治疗提供了潜力。计算模型可以分析大约 400 个基因的序列,以发现以前未见过的肿瘤。

开启地理空间 AI 的新视野

Unlocking new horizons in geospatial AI

IBM 和 NASA 在 Hugging Face 上部署了一个开源地理空间人工智能模型。他们的目标是扩大 NASA 卫星数据的可访问性,并加快与气候相关的发现速度。

混合计算机视觉的力量:结合物理和大数据

The Power of Hybrid Computer Vision: Combining Physics and Big Data

新的研究重点是通过将基于物理的感知融入数据驱动技术来增强计算机视觉技术。这种混合人工智能计算机视觉使机器能够智能地感知、交互和响应实时环境。

好奇重演:揭示好奇心在推进人工智能方面的力量

Curious Replay: unveiling the power of curiosity in advancing AI

通过开创性的“好奇重放”方法,AI代理获得了自我反思和从新体验中学习的能力,从而大大提高了它们的适应性和性能。

索菲亚:加速大型语言模型预训练的突破性方法

Sophia: A Breakthrough Approach to Accelerating Large Language Model Pretraining

斯坦福大学的一个团队开发了 Sophia,这是一种优化 LLM 预训练的新方法。使用这两项关键技术,可以帮助研究人员在一半的时间内培训法学硕士,从而降低成本,使小型组织和学术团体能够负担得起。

AI 现在可以将大脑活动转化为文本

AI can now translate brain activity into text

一个突破性的人工智能系统使用非侵入性方法和 fMRI 扫描仪数据将思想转化为连续的文本。凭借在转换人类思想内容方面取得的成功率,语义解码器为增强沟通开辟了新的可能性。

神经网络的应用测试用于从火星表面返回土壤样本

Application of Neural Networks tested for returning soil samples from the surface of Mars

欧洲航天局正在开发一种使用神经网络的样本检索系统,旨在收集和运输火星样本。返回毅力号火星车收集的样本这一具有挑战性的任务被认为对于揭开红色星球的奥秘至关重要。

生成式人工智能改变虚拟角色

Generative AI Transforms Virtual Characters

生成式人工智能正在通过改变虚拟角色并提高他们的对话技巧来彻底改变游戏世界。NVIDIA Avatar Cloud Engine (ACE) for Games 使开发人员能够将智能注入 NPC,重塑游戏体验并突破可能的界限。

增强机器学习:在模仿和反复试验之间取得平衡

Enhancing Machine Learning: striking a balance between imitation and trial-and-error

研究人员正在研究一种更有效的方法来训练机器应对不确定的现实情况。一种新的算法将决定“学生”机器何时应该跟随老师,何时应该自己学习。

一种结合深度神经网络和矢量符号模型的新架构

A new architecture that combines deep neural networks and vector-symbolic models

一种新的架构旨在克服神经网络和符号人工智能现有的局限性。 开发的模型已经证明了在解决逻辑问题方面的高效性,并为整合不同的人工智能范式提供了一个有前途的框架。

记忆感应器:研究人员发现了一种新的电子电路元素

The meminductor: researchers have discovered a new element of electronic circuits

记忆电感器将之前发现的记忆电阻器和记忆电容器连接成一排电路元件,可以存储和调用以前的电流或电压值。

使用机器学习寻找可靠且价格合理的太阳能电池

Using machine learning to find reliable and affordable solar cells

基于混合有机-无机钙钛矿的太阳能电池是替代能源中发展迅速的一个领域。这些分子引发了一类新型光伏设备——钙钛矿太阳能电池的开发。

一种提高计算机视觉准确性的新方法

A new method to improve the accuracy of computer vision

研究人员使用了一组不同的简单图像生成程序来创建用于训练计算机视觉模型的数据集。这种方法可以提高在合成数据上训练的图像分类模型的性能。

神经网络如何学习运动?使用相对位置变化解释运动建模

How do neural networks learn motion? Interpretation of motion modeling using relative position change

研究人员开发了一种使用相对位置变化进行运动建模的新方法。他们评估了深度神经网络架构使用运动识别和预测任务对运动进行建模的能力。

随机簇嵌入——一种可视化大数据集的新方法

Stochastic cluster embedding – a new method for visualizing large datasets

研究人员设计了一种新的 AI 算法,旨在以尽可能清晰、易于观察和人类理解的方式可视化数据簇和其他宏观特征。