人工智能技术文章
-
- 安培龙中标4020万元EHB制动系统压力传感器项目，明年Q1开始交付
- 重写后的文字内容：11月14日，安培龙宣布收到一家国内领先的新能源汽车企业的项目中标通知书，确认公司将为该客户供应EHB制动系统压力传感器（玻璃微熔压力传感器）。该项目生命周期预计为5年。为满足市场需求和优化生产计划，客户将每年进行年度竞标。首批中标订单预计从2025年第一季度开始批量交付，周期为1年。总金额约为4020万元。此次中标表明客户认可安培龙的研发能力、供应链能力和产品质量。这对于拓展公司车规级玻璃微熔压力传感器的市场具有重要意义。本次中标预计不会对公司2024年业绩产生重大影响。后续订单转化顺
- 科技周边 · 人工智能 | 1年前 | 安培龙 459浏览 收藏
-
- 探索复合材料中的原子扩散，加州大学开发神经网络动力学方法
- 编辑|绿罗就像随风扩散、扑面而来的花香，材料中的原子与分子也在进行着它们的「扩散」。材料中的分散决定了沉淀、新相形成和微观结构演化的动力学，并强烈影响机械和物理性能。成分复杂的材料固有的化学复杂性，给原子扩散建模和化学有序结构的形成带来了挑战。在这方面，加州大学的研究人员提出了一种神经网络动力学（NNK）方法，用于预测成分复杂材料中的原子扩散，并由此产生的微观结构演化。该框架基于高效的晶格结构和化学表征，结合人工神经网络，能够精确预测所有依赖于路径的迁移势垒和单个原子跳跃。可扩展的NNK框架为探索隐藏着非
- 科技周边 · 人工智能 | 2年前 | 人工智能 材料 理论 卷积神经网络 化学 459浏览 收藏
-
- 不同数据集有不同的Scaling law？而你可用一个压缩算法来预测它
- 一般而言，训练神经网络耗费的计算量越大，其性能就越好。在扩大计算规模时，必须要做个决定：是增多模型参数量还是提升数据集大小——必须在固定的计算预算下权衡这两项因素。增加模型参数量的好处是可以提高模型的复杂度和表达能力，从而更好地拟合训练数据。然而，过多的参数可能导致过拟合，使得模型在未见过的数据上表现不佳。另一方面，扩大数据集大小可以提高模型的泛化能力，减少过拟合问题。我们告诉你们：只要能适当分配参数和数据，就能在固定计算预算下实现性能最大化。之前已有不少研究探索过神经语言模型的Scalinglaw，而这
- 科技周边 · 人工智能 | 2年前 | AI 模型 459浏览 收藏
-
- 美国教授用2岁女儿训AI模型登Science！人类幼崽头戴相机训练全新AI
- 绝了，为了训练AI模型，一位纽约州立大学的教授，竟然把类似GoPro的相机绑在了自己女儿头上！虽然听起来不可思议，但这位教授的行为，其实是有据可循的。要训练出LLM背后的复杂神经网络，需要海量数据。目前我们训练LLM的过程，一定是最简洁、最高效的方式吗？肯定不是！科学家们发现，蹒跚学步的人类儿童，大脑就像海绵吸水一样，能迅速形成一个连贯的世界观。虽然LLM时有惊人的表现，但随着时间的推移，人类儿童会比模型更聪明、更有创造力！儿童掌握语言的秘密如何用更好的方法训练LLM？科学家们苦思不得其解之时，人类幼崽让
- 科技周边 · 人工智能 | 2年前 | 模型 数据 459浏览 收藏
-
- 探讨2030年人工智能的发展趋势
- 1、人类级别的人工智能能力到了2030年，人工智能有望达到人类的智力水平，这是该领域的一个巨大飞跃。这一里程碑将为人工智能系统带来前所未有的机会，使其能够与人类相当的认知水平执行任务。各行业将会证明人工智能驱动的决策、问题解决和创造力，从而显著提高生产力和效率。2、人工智能与人类的合作到了2030年，人工智能与人类之间的协同作用有望达到新的高度，改变我们的工作方式以及与技术互动的方式。人工智能将超越单纯的工具，成为私人助理、导师、治疗师，甚至代表。这种合作将增强人类能力，促进创新，并推动从医疗保健和教育到
- 科技周边 · 人工智能 | 2年前 | 人工智能 459浏览 收藏
-
- 智能体DS-Agent基于案例推理，让GPT-4数据科学任务接近100%
- 在大数据时代，数据科学覆盖了从数据中挖掘见解的全周期，包括数据收集、处理、建模、预测等关键环节。鉴于数据科学项目的复杂本质以及对人类专家知识的深度依赖，自动化在改变数据科学范式方面拥有极大的发展空间。随着生成式预训练语言模型的兴起，让大语言模型智能体处理复杂任务变得越来越重要。传统的数据处理和分析通常需要依赖专业数据科学家进行，这既费时又费力。但如果我们能够利用大型语言模型智能体来扮演数据科学家的角色，那将为我们带来更高效的洞察和分析，同时也可能开启前所未有的工业模式和研究范式。这样一来只要给定数据任务需
- 科技周边 · 人工智能 | 2年前 | 自动化 智能体 459浏览 收藏
-
- GitHub 最新 AI 工具可帮助用户自动修复代码中的错误和漏洞
- 今天，GitHub为所有AdvancedSecurity（GHAS）许可用户推出了全新的“代码扫描”功能（预览版），旨在帮助用户在GitHub代码中发现潜在的安全漏洞和编码错误。这一新功能能够利用Copilot和CodeQL来检测您的代码中潜在的漏洞或错误，并对它们进行分类和确定修复的优先级。需要特别注意的是，“代码扫描”将耗费GitHubActions的分钟数。根据介绍，"代码扫描"不仅可以预防开发者引入新问题，还能够根据特定日期和时间，或存储库发生特定事件（如推送）时触发扫描。如果AI发现你的代码中可
- 科技周边 · 人工智能 | 2年前 | AI GitHub 459浏览 收藏
-
- 微软为新闻编辑行业推出 AI 辅助项目：记者可参加免费课程，学习如何最佳使用 AI
- 2月6日消息，微软当地时间5日发布新闻稿宣布与多家新闻机构展开多项基于生成式AI的合作。微软表示，其使命是确保新闻编辑室在今年和未来拥有创新。通过这次官宣的项目，微软将帮助新闻机构识别、完善使用AI进行新闻采编、业务实践的程序及政策，并辅助培训新一代记者：指导其如何“最佳”利用AI，并寻找AI辅助完成高效业务的方式，“造福后代”。据介绍，微软将与新闻机构Semafor合作，利用AI工具协助记者进行研究、来源发现、翻译等工作，通过“SemaforSignals”工具来帮助记者向读者提供“多样化”“可信”的当
- 科技周边 · 人工智能 | 2年前 | 微软 人工智能 AI 459浏览 收藏
-
- 逾越复杂性理论的知识极限：50年的探索历程
- 证明问题难以解决究竟有多难？元复杂性（meta-complexity）理论研究者数十年来一直探究这个问题。近期的一系列研究成果开始给出这个问题的答案。复杂性理论研究者正直面着最让人困惑的问题：复杂性理论本身。一、起源2007年秋季学期的第一周，MarcoCarmosino拖着自己去上了一堂数学课，这是马萨诸塞大学阿默斯特分校计算机科学专业学生的必修课。Carmosino是一位大二学生，他当时正在考虑退学去设计视频游戏游戏。上课的教授提出了一个简单的问题，而这个问题将改变他的人生轨迹：你怎么知道数学真的有用
- 科技周边 · 人工智能 | 2年前 | 理论 元复杂性 459浏览 收藏
-
- 最短路径问题中，如何应用有向无环图（DAG）以及示例
- 有向无环图（DAG）在最短路径问题中可以优化算法的时间复杂度和空间复杂度。在任务调度、时间管理等实际应用中，DAG可方便确定任务执行顺序，通过拓扑排序简化动态规划计算，提高算法效率。本文将详细介绍DAG在最短路径问题中的应用，并通过代码示例说明实现方式。一、DAG介绍DAG是一种有向图，它没有环。这意味着从任何一个顶点出发，都不可能回到该顶点。因此，DAG可以用来表示具有特定约束关系的任务调度问题，例如某些任务必须在其他任务完成之后才能开始。DAG的特性使得它在计算机科学和工程领域有着广泛的应用，例如编译
- 科技周边 · 人工智能 | 2年前 | 机器学习 459浏览 收藏
-
- 机器学习管道的定义和优势
- 机器学习管道在数据科学过程中扮演着重要的角色。它们简化了工作流程，并能够自动执行繁琐且耗时的任务，特别是在构建和部署机器学习模型时。一个经过精心设计的机器学习管道可以提高模型开发的效率和可重复性，同时降低错误风险，并促进最佳实践的应用。通过将机器学习过程分解为可管理的步骤，数据科学家可以将精力集中在单个任务上，例如特征工程和模型选择。而机器学习管道则负责管理整个过程，使整个流程井井有条。此外，机器学习管道还提供了对模型构建过程中所有步骤的清晰和可审计的记录，从而更容易理解和解释结果。总之，机器学习管道在机
- 科技周边 · 人工智能 | 2年前 | 机器学习 459浏览 收藏
-
- 科技知识普及与机器人竞赛在赫章举办
- 为了进一步培养青少年对科技创新的兴趣和热情，提高学生的科学素养和实践能力，赫章县最近成功举办了2023年科技知识推广应用暨机器人竞赛活动，地点在赫章县第二中学。1月8日，赫章县教育科技局有关人员参观候赛区现场。竞赛分为小学组、初中组、高中组和中职组四个组别，涉及机器人设计、编程和操作等项目。参赛者必须在规定时间内完成各项任务。在中国风比赛现场，学生们精心准备并详细说明了自己作品的设计思路、应用场景以及人工智能信息，营造了良好的现场氛围。在创意天梯比赛环节，参赛者们通过现场搭建天梯，综合考虑天梯的高度、承重
- 科技周边 · 人工智能 | 2年前 | 赫章 机器人竞赛。 459浏览 收藏
-
- 大模型训练算力利用率达60%，蚂蚁开源分布式训练扩展库ATorch
- 蚂蚁集团最近宣布推出了名为ATorch的大模型分布式训练加速扩展库，这是一个开源工具。ATorch的目标是通过自动资源动态优化和分布式训练稳定性提升，帮助提高深度学习的智能性。根据了解，在大模型训练中，ATorch可以将千亿模型千卡级别训练的算力利用率提高到60%，相当于为跑车添上了强劲的引擎。这对于深度学习的研究人员和开发者来说，将是一个重要的工具，可以帮助他们更高效地训练和优化大型模型。图：ATorch致力于让大模型训练更高效、可复现随着生成式大模型的爆发，模型训练的数据集和参数规模呈现指数级增长。为
- 科技周边 · 人工智能 | 2年前 | 产业 459浏览 收藏
-
- Mistral与微软合作为"小语言模型"带来革命，Mistral中杯代码能力超越GPT-4，成本降低2/3
- 近来，"小语言模型"突然成为热门话题本周一，刚刚完成4.15亿美元融资的法国AI初创公司Mistral，发布了Mixtral8x7B模型。这个开源模型尽管尺寸不大，小到足以在一台内存100GB以上的电脑上运行，然而在某些基准测试中却能和GPT-3.5打平，因此迅速在开发者中赢得了一片称赞。之所以叫Mixtral8x7B，是因为它结合了为处理特定任务而训练的各种较小模型，从而提高了运行效率。这种「稀疏专家混合」模型并不容易实现，据说OpenAI在今年早些时候因为无法让MoE模型正常运行，而不得不放弃了模型的
- 科技周边 · 人工智能 | 2年前 | 微软 模型 459浏览 收藏
-
- 如何构筑人工智能的道德标准？了解背后的支撑因素
- 人工智能的智能化体验无疑是不容置疑的，人们对其的态度已逐渐从抵制转变为接受，并开始理性思考如何更规范地使用它。在这一过程中，确定人工智能的道德标准无疑是非常重要的一步解决人工智能偏见的方法是要改变算法和模型开发时训练所使用的数据。人工智能在实际应用中的输出结果常常存在明显的偏向性。这种数据偏见会严重影响社会各个领域的公正性，导致某些群体在面对人工智能时无法获得符合标准水平的服务，甚至可能受到歧视。为降低人工智能偏见带来的影响，我们需要尽可能丰富训练数据，并定期对偏差内容进行纠正隐私数据：人工智能在应用层面
- 科技周边 · 人工智能 | 2年前 | 人工智能 (AI) 道德标准 (Ethical standards) 支撑因素 (Supporting factors) 459浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 479次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 535次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 558次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 507次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 328次使用
