状态空间模型 (SSM) 是 Transformers 的替代品吗？Mamba-2。Chimera SSM 时间序列。Audio Mamba。Sonic SSM Gen Voice。mamba.np。OSS Qwen-2 SOTA ML。OSS LeRobot SOTA 机器人。思想缓冲区。
AI-RAG 和图表的新趋势。GRAG。GNN-RAG。属性图。统一 RAG+LangGraph。GenAI 思维模式。Transformer Agents 2.0。Falcon 2.0 11B LLMS/VLMS。ToonCrafter。MusePose。ColdFusion。SymbCoT。
Temperature rise in the Tropics (update 5)
2024 年 4 月 24 日，热带地区（南纬 23.5°-北纬 23.5°，东经 0-360°）的温度创下新高，达到 27°C（或 80.6°F）。下图显示了过去几年截至 2024 年 3 月的每月温度异常，当时异常达到了创纪录的 1.448°C（或 2.606°F）。请注意，顶部图片中的异常是以 1979-2000 年为基准计算的，而上图中的异常是以 1951-1980 年为基准计算的。从工业化前的基础计算，这些异常值会高得多。高温正在造成广泛的破坏，并有可能造成大量人员、牲畜和野生动物的生命损失，以及热带地区和其他地区的农作物减产和生态系统崩溃。气候紧急声明形势严峻，预防原则要求采取迅速
Temperature rise in the Tropics (update 4)
2024 年 4 月 23 日，热带地区（南纬 23.5°-北纬 23.5°，东经 0-360°）的温度创下新高，达到 26.925°C（或 80.47°F）。下图显示了过去几年截至 2024 年 3 月的每月温度异常，当时异常达到了创纪录的 1.448°C（或 2.606°F）。请注意，上图中的异常是以 1951-1980 年为基准计算的。从工业化前的基础计算，异常值会高得多。高温正在造成广泛的破坏，并有可能造成大量人员、牲畜和野生动物的生命损失、作物减产和热带地区和其他地区的生态系统崩溃。气候紧急声明形势严峻，预防原则要求采取迅速、全面和有效的行动，以减少损害并改善局势，如 2022 年这
Temperature rise in the Tropics (update 3)
2024 年 4 月 20 日，热带地区（南纬 23.5°-北纬 23.5°，东经 0-360°）的温度创下新高，达到 26.913°C（或 80.44°F）。下图显示了过去几年截至 2024 年 3 月的每月温度异常，当时异常达到了创纪录的 1.448°C（或 2.606°F）。请注意，上图中的异常是以 1951-1980 年为基准计算的。从工业化前的基础计算，异常值会高得多。气温上升可能会导致热带地区人员、牲畜和野生动物的大规模死亡、农作物减产和生态系统崩溃。气候紧急声明形势严峻，预防原则要求采取迅速、全面和有效的行动，以减少损害并改善局势，如 2022 年这篇文章所述，必要时结合本小组讨
GUEST POST: The Benefits and Risks of ChatGPT for Education
21 世纪的快速技术进步影响了许多领域，包括教育。新的人工智能工具 ChatGPT（生成式预训练 Transformer）拥有超过 1 亿用户，自 2022 年 11 月发布以来，在学生、教师和研究人员中获得了极大的欢迎……
Before you use ChatGPT for Math Homework Help Know this
在当今数字化驱动的世界中，GPT（生成式预训练 Transformer）等语言模型的能力让许多人眼花缭乱，因为它们能够生成几乎像人类一样的文本。从写论文到创作诗歌，这些模型展示了非凡的语言能力。然而，重要的是要记住，并非所有任务都在它们的掌控范围内。一个领域 […] 文章“在使用 ChatGPT 进行数学作业帮助之前请了解这一点”首先出现在“紧急作业博客”上。
Нейросеть для диагностики скорости старения усовершенствовали учёные ННГУ
罗巴切夫斯基大学的科学家改进了用于诊断衰老速度的神经网络。新的免疫时钟模型被称为SImAge（小免疫年龄）。它建立在 FT-Transformer 深度神经网络的基础上。
RT-2: New model translates vision and language into action
Robotic Transformer 2 (RT-2) 是一种新颖的视觉-语言-动作 (VLA) 模型，它从网络和机器人数据中学习，并将这些知识转化为机器人控制的通用指令。
IEEE Transactions on Emerging Topics in Computational Intelligence, Volume 8, Number 3, June 2024
1) 深度学习在 B 型超声分割中的进展：综合综述作者：Mohammed Yusuf Ansari、Iffa Afsa Changaai Mangalote、Pramod Kumar Meher、Omar Aboumarzouk、Abdulla Al-Ansari、Osama Halabi、Sarada Prasad Dakua页数：2126 - 21492) 机器反学习：解决方案和挑战作者：Jie Xu、Zihan Wu、Cong Wang、Xiaohua Jia页数：2150 - 21683) MuralDiff：基于大规模预训练的古代壁画修复扩散作者：Zishan Xu、Xiaofeng
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 6, June 2024
1) Editorial Special Issue on Explainable and Generalizable Deep Learning for Medical ImagingAuthor(s): Tianming Liu, Dajiang Zhu, Fei Wang, Islem Rekik, Xia Hu, Dinggang ShenPages: 7271 - 72742) Adversarial Learning Based Node-Edge Graph Attention Networks for Autism Spectrum Disorder Identificatio
我上周在 Twitter 上发布的一些有趣的链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：现在实际上有多少人打电话？除了我的家人，最近给我打电话的人都是骗子：https://www.stuff.co.nz/society/350291334/newsable-ai-could-soon-be-answering-your-phone-you至少谷歌正在对其人工智能产生的奇怪答案采取行动：https://futurism.com/the-byte/google-bizarre-ai-answers未来人工智能与人类（特别是客户）关系发展
A chat about AI and the new learning landscape
照片由 Levart_Photographer 在 Unsplash 上拍摄过去几周，你可能已经看到过一些关于人工智能 (AI) 的有趣、吸引人或令人恐惧的新闻，比如 ChatGPT、Claude、LLaMA 和其他界面。你可能听过播客解释或哀叹即将取代旧世界的革命性新世界。目前，对我来说，这一切仍然相当令人困惑，不知道它将如何影响我的日常生活，但我很好奇，也非常谨慎乐观。有一件事是相当肯定的：我们孩子的生活将受到人工智能的巨大影响——而且是以我们无法预测的方式。在教育领域，两大巨头——可汗学院和 Duolingo——上周宣布，他们加入了 ChatGPT 的行列，并被授予早期开发和测试想法的权
#331 – Balaji Srinivasan: How to Fix Government, Twitter, Science, and the FDA
Balaji Srinivasan 是天使投资人、技术创始人、哲学家，也是《网络国家：如何开创一个新国家》一书的作者。他曾担任 Coinbase 的首席技术官和 Andreessen Horowitz 的普通合伙人。请查看我们的赞助商来支持此播客：- Policygenius：https://www.policygenius.com/- Blinkist：https://blinkist.com/lex 可享受 25% 的高级折扣- Notion：https://notion.com- Onnit：https://lexfridman.com/onnit 可享受高达 10% 的折扣剧集链接：B
Philosophers vs Transformers: Neural net impersonates a famous cognitive scientist
计算机能思考吗？AI 模型能有意识吗？这些和类似的问题经常出现在有关自然语言模型 GPT-3、LAMDA 和其他 transformer 取得的最新 AI 进展的讨论中。尽管如此，它们仍然存在争议，处于悖论的边缘，因为关于大脑如何工作以及思考意味着什么通常存在许多隐藏的假设和误解。没有其他办法，只能明确揭示这些假设，然后探索如何让机器复制人类的信息处理。
#318 – Nick Lane: Origin of Life, Evolution, Aliens, Biology, and Consciousness
尼克·莱恩 (Nick Lane) 是伦敦大学学院的生物化学家，著有《变形金刚》、《重要问题》以及许多其他关于生物学、化学和生命的精彩书籍。请查看我们的赞助商来支持此播客：- Backbone：https://playbackbone.com/lex 获得订购福利- Notion：https://notion.com- BetterHelp：https://betterhelp.com/lex 获得 10% 折扣- Blinkist：https://blinkist.com/lex 获得 25% 的高级折扣 EPISODE LINKS：Nick 的网站：https://nick-lane.ne
3D Medical image segmentation with transformers tutorial
实现 UNETR 在 BRATS 数据集上执行 3D 医学图像分割
Do Vision Transformers See Like Convolutional Neural Networks?
到目前为止，卷积神经网络 (CNN) 一直是视觉数据的实际模型。最近的研究表明，(Vision) Transformer 模型 (ViT) 可以在图像分类任务上实现相当甚至更优异的性能。这提出了一个核心问题：Vision Transformer 如何解决这些任务？它们是像卷积网络一样工作，还是学习完全不同的视觉表示？通过分析 ViT 和 CNN 在图像分类基准上的内部表示结构，我们发现这两种架构之间存在显着差异，例如 ViT 在所有层上都有更统一的表示。我们探索了这些差异是如何产生的，发现了自我注意力所起的关键作用，它可以实现全局信息的早期聚合，以及 ViT 残差连接，它可以将特征从较低层强烈
