7月6日2023世界人工智能大会(WAIC 2023)在上海世博中心盛大开幕。
本次大会重点围绕大模型、AI for Science、通用智能体、算力、元宇宙、人才等十大话题展开讨论,首发首展新品超30款,涵盖大模型、芯片、机器人、智能驾驶等领域。华为轮值董事长胡厚崑、网易CEO丁磊等大佬出席,特斯拉创始人兼首席执行官埃隆·马斯克则以视频方式“现身”并发表讲话。
“有意见”留言板
@硅基崛起:大模型的兴起给人们工作生活带来效率、便捷的同时也带来了更严峻的风险与挑战。人作为碳基生命感到了极大的威胁,然而没有绝对的安全,只有动态、相对的安全,用硅基生命对抗硅基生命“蚁鉴”找到了突破口。
@素颜也倾城:从大会的主题看本届人工智能的发展趋势是深度融合和广泛应用的,人工智能将与各行各业深度融合,推动产业升级同时也将更好地服务于社会,提高人们的生活质量。
@用AI评AI:大会的华为“昇腾AI‘大模型、蚂蚁集团“蚁鉴AI安全检测平台2.0”、网易伏羲“AI绘画平台”丹青约等“镇馆之宝”充分展现了前沿技术和产品的核心竞争力,引领了行业发展的新风向。
好文章,需要你的鼓励
这项研究提出了HoPE(混合位置编码),一种针对视觉语言模型的新型位置编码技术,专门解决长视频理解的挑战。传统位置编码技术在处理长视频时表现不佳,HoPE通过两个创新解决了这一问题:混合频率分配策略(为空间信息分配高频,时间维度使用零频率)和动态时间缩放机制(根据视频速度灵活调整时间编码)。实验证明,HoPE在长视频理解和检索任务上分别提升了8.35%和22.23%,为AI更准确理解长视频内容开辟了新途径。
东京大学研究团队推出MangaVQA基准和MangaLMM模型,专门用于评估和提升AI对日本漫画的理解能力。MangaVQA由526个高质量手动创建的问答对组成,用于评估AI系统对漫画内容的深入理解;MangaOCR则专注于漫画页内文本识别。基于这两个基准,研究团队从开源多模态模型Qwen2.5-VL微调出MangaLMM,能同时处理文本识别和内容理解任务。实验显示,即使是GPT-4o等顶尖商业模型在处理漫画的独特复杂性时也面临挑战,而专门训练的MangaLMM表现出色。
这项研究由ISTA和谷歌研究院联合开发的"影响力蒸馏"方法,通过利用二阶信息为训练样本分配最优权重,实现了大语言模型训练数据的高效选择。该方法在数学上有坚实理论支持,并创新性地引入"地标"近似技术,仅需计算少量样本的精确影响力,再高效传播到其他样本,大幅降低计算成本。实验证明,该方法在多种模型和任务上均优于或匹配现有技术,同时实现了高达3.5倍的速度提升,为大模型训练开辟了更高效的路径。
来自哈佛大学等顶尖学府的研究团队在这篇论文中挑战了传统观念,认为Token压缩不仅仅是提高AI模型运行效率的工具,更应成为生成式AI模型设计的核心原则。研究表明,精心设计的Token压缩策略可以促进多模态深度整合、减轻AI"幻觉"问题、增强处理长序列输入的能力,并提高训练稳定性。论文详细分析了现有方法的局限性,并提出了算法创新、强化学习指导和硬件协同设计等未来研究方向。