AI基础模型的未来将趋向闭源化，这一趋势主要受到数据和计算资源集中化力量的推动，这些力量使得经济上可行且安全的闭源模型相比开源替代方案更具优势。当前，数据和计算资源的获取和管理成为AI发展的核心要素，而集...

气象预测领域正在经历一场革命，以WindBorne的WeatherMesh为代表的AI模型正在引领这一变革。WeatherMesh利用丰富的ERA5数据集，已经在预测准确性方面超越了传统模型，同时所需计算能力显著降低。AI技术的引入不仅提...

训练语言模型需要数万亿高质量的标记数据。关于这些数据集构建的信息大多未公开。然而，FineWeb团队在一篇精彩的博文中讨论了不同的数据集清理和过滤策略。文章的作者们发布了许多顶级的数据集，用于语言模型训练。...

Mamba团队发布了Mamba-2，这是他们强大的状态空间模型的第二个版本。Mamba-2在前一版本的基础上进行了多项改进，显著提升了模型的性能和稳定性。该团队还提供了一份详细的说明文档，详细介绍了Mamba-2的技术细节和具...

Conifer通过引入一个专门的数据集和渐进式学习方法，显著提升了大规模语言模型（LLM）对复杂指令的理解能力。该方法不仅能让LLM在处理复杂任务时表现得更为精准，还能有效减少错误率。专门的数据集涵盖了各类复杂指...

人类通过大约400种不同类型的嗅觉受体来体验气味。科学家们正在利用机器学习技术，帮助计算机学习某些分子或分子集合对人类的气味。机器学习在数字化气味方面至关重要，因为它可以学习将产生气味化合物的分子结构映...

研究人员近日发布了一个名为4K-Rain13k的新数据集，这一数据集中包含了13,000对4K分辨率的图像，旨在解决超高清（UHD）图像中的去雨问题。4K-Rain13k数据集的推出，为图像处理和计算机视觉领域提供了宝贵的资源，使...

研究人员开发了一种新的方法——全局-局部语义一致学习（Global-Local Semantic Consistent Learning，简称GLSCL），以提升文本视频检索的效率。这一创新方法不仅提高了检索的准确性，还显著降低了计算成本。GLSCL通过...