乾杯！紙面でのディスカッションが言葉だけになると、どんな感じになるでしょうか?最近、スタンフォード大學(xué)の學(xué)生が、arXiv 論文のオープン ディスカッション フォーラムである alphaXiv を作成しました。このフォーラムでは、arXiv 論文に直接質(zhì)問やコメントを投稿できます。 Web サイトのリンク: https://alphaxiv.org/ 実際、URL の arXiv を alphaXiv に変更するだけで、alphaXiv フォーラムの対応する論文を直接開くことができます。この Web サイトにアクセスする必要はありません。その中の段落を正確に見つけることができます。論文、文: 右側(cè)のディスカッション エリアでは、ユーザーは論文のアイデアや詳細(xì)について著者に尋ねる質(zhì)問を投稿できます。たとえば、次のような論文の內(nèi)容についてコメントすることもできます。

これも Tusheng のビデオですが、PaintsUndo は別の道を歩んでいます。 ControlNet 作者 LvminZhang が再び生き始めました!今回は絵畫の分野を目指します。新しいプロジェクト PaintsUndo は、開始されて間もなく 1.4kstar を獲得しました (まだ異常なほど上昇しています)。プロジェクトアドレス: https://github.com/lllyasviel/Paints-UNDO このプロジェクトを通じて、ユーザーが靜止畫像を入力すると、PaintsUndo が線畫から完成品までのペイントプロセス全體のビデオを自動(dòng)的に生成するのに役立ちます。 。描畫プロセス中の線の変化は驚くべきもので、最終的なビデオ結(jié)果は元の畫像と非常によく似ています。完成した描畫を見てみましょう。

最近、2000年代の7大問題の一つとして知られるリーマン予想が新たなブレークスルーを達(dá)成した。リーマン予想は、數(shù)學(xué)における非常に重要な未解決の問題であり、素?cái)?shù)の分布の正確な性質(zhì)に関連しています (素?cái)?shù)とは、1 とそれ自身でのみ割り切れる數(shù)であり、整數(shù)論において基本的な役割を果たします)。今日の數(shù)學(xué)文獻(xiàn)には、リーマン予想 (またはその一般化された形式) の確立に基づいた 1,000 を超える數(shù)學(xué)的命題があります。言い換えれば、リーマン予想とその一般化された形式が証明されれば、これらの 1,000 を超える命題が定理として確立され、數(shù)學(xué)の分野に重大な影響を與えることになります。これらの命題の一部も有効性を失います。 MIT數(shù)學(xué)教授ラリー?ガスとオックスフォード大學(xué)から新たな進(jìn)歩がもたらされる

AIモデルによって與えられた答えがまったく理解できない場合、あなたはそれをあえて使用しますか?機(jī)械學(xué)習(xí)システムがより重要な分野で使用されるにつれて、なぜその出力を信頼できるのか、またどのような場合に信頼してはいけないのかを?qū)g証することがますます重要になっています。複雑なシステムの出力に対する信頼を得る方法の 1 つは、人間または他の信頼できるシステムが読み取れる、つまり、考えられるエラーが発生する可能性がある點(diǎn)まで完全に理解できる、その出力の解釈を生成することをシステムに要求することです。見つかった。たとえば、司法制度に対する信頼を築くために、裁判所に対し、決定を説明し裏付ける明確で読みやすい書面による意見を提供することを求めています。大規(guī)模な言語モデルの場合も、同様のアプローチを採用できます。ただし、このアプローチを採用する場合は、言語モデルが

言語モデルは本當(dāng)に時(shí)系列予測に使用できるのでしょうか?ベタリッジの見出しの法則 (疑問符で終わるニュース見出しは「いいえ」と答えることができます) によれば、答えは「いいえ」であるはずです。このような強(qiáng)力な LLM は時(shí)系列データを適切に処理できないという事実は真実のようです。時(shí)系列、つまり時(shí)系列とは、その名の通り、時(shí)間順に並べられた一連のデータ點(diǎn)のことを指します。時(shí)系列分析は、病気の蔓延予測、小売分析、ヘルスケア、金融などの多くの分野で重要です。時(shí)系列分析の分野では、多くの研究者が最近、大規(guī)模言語モデル (LLM) を使用して時(shí)系列の異常を分類、予測、検出する方法を研究しています。これらの論文では、テキスト內(nèi)の逐次依存関係の処理に優(yōu)れた言語モデルは時(shí)系列にも一般化できると想定しています。

AIxivコラムは、當(dāng)サイトが學(xué)術(shù)的?技術(shù)的な內(nèi)容を掲載するコラムです。過去數(shù)年間で、このサイトの AIxiv コラムには 2,000 件を超えるレポートが寄せられ、世界中の主要な大學(xué)や企業(yè)のトップ研究室がカバーされ、學(xué)術(shù)交流と普及を効果的に促進(jìn)しています。共有したい優(yōu)れた作品がある場合は、お?dú)葺Xに寄稿するか、報(bào)告のために當(dāng)社までご連絡(luò)ください。提出メール: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 人工知能の開発プロセスにおいて、大規(guī)模言語モデル (LLM) の制御とガイダンスは常に中心的な課題の 1 つであり、これらのモデルが両方とも確実に機(jī)能することを目指しています。強(qiáng)力かつ安全に人類社會(huì)に貢獻(xiàn)します。初期の取り組みは人間のフィードバックによる強(qiáng)化學(xué)習(xí)手法に焦點(diǎn)を當(dāng)てていました (RL

AIxivコラムは、當(dāng)サイトが學(xué)術(shù)的?技術(shù)的な內(nèi)容を掲載するコラムです。過去數(shù)年間で、このサイトの AIxiv コラムには 2,000 件を超えるレポートが寄せられ、世界中の主要な大學(xué)や企業(yè)のトップ研究室がカバーされ、學(xué)術(shù)交流と普及を効果的に促進(jìn)しています。共有したい優(yōu)れた作品がある場合は、お?dú)葺Xに寄稿するか、報(bào)告のために當(dāng)社までご連絡(luò)ください。提出電子メール: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com この論文の著者は全員、イリノイ大學(xué)アーバナ シャンペーン校 (UIUC) の Zhang Lingming 教師のチームのメンバーです。博士課程4年、研究者

AIxivコラムは、當(dāng)サイトが學(xué)術(shù)的?技術(shù)的な內(nèi)容を掲載するコラムです。過去數(shù)年間で、このサイトの AIxiv コラムには 2,000 件を超えるレポートが寄せられ、世界中の主要な大學(xué)や企業(yè)のトップ研究室がカバーされ、學(xué)術(shù)交流と普及を効果的に促進(jìn)しています。共有したい優(yōu)れた作品がある場合は、お?dú)葺Xに寄稿するか、報(bào)告のために當(dāng)社までご連絡(luò)ください。提出電子メール: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com。はじめに 近年、さまざまな分野でマルチモーダル大規(guī)模言語モデル (MLLM) の適用が目覚ましい成功を収めています。ただし、多くの下流タスクの基本モデルとして、現(xiàn)在の MLLM はよく知られた Transformer ネットワークで構(gòu)成されています。