大模型日报
2024-06-16
大模型资讯
大模型产品
- MARS5 TTS：开源高拟真语音合成
- 摘要: MARS5 TTS是一款开源语音合成模型，能以2-3秒音频为参考，在140多种语言中复制高难度场景，如体育解说、电影和动漫等。
- AI工具首发平台：免费获取首个外链
- 摘要: 打造AI工具，需推广助力？每周新AI工具在此发布，免费获取首个外链，提升SEO，吸引新用户。
- Humanize AI文本：让AI写作更人性化
- 摘要: Humanize AI Text将AI生成内容转化为自然、人性化的文本，支持多语言，提升可读性，绕过AI检测系统。
- MarketingAI：生成SaaS营销计划
- 摘要: 输入网址，MarketingAI为您的SaaS生成100%定制的25页营销计划，包含用户增长和投资回报率预测。
- Orbic AI免费工具套件上线
- 摘要: Orbic AI免费工具套件现已在Product Hunt上线！涵盖从病毒内容创作到专业邮件撰写，助力提升创意与效率。
- StratifyAI：AI竞争分析助手
- 摘要: StratifyAI帮你揭示市场机会，精准分析趋势，轻松超越竞争对手，助力战略成功。
- NewRA.ai：构建AI对话应用
- 摘要: NewRA是一款先进的SaaS平台，帮助企业无缝集成强大的AI解决方案，提供订阅和白标选项，利用自定义知识库提升效率与创新。
- 发现并分享最佳AI工具
- 摘要: SubmitAITool让你发现和分享最佳AI工具。提交你独特的AI工具或分享你喜欢的AI产品，与他人交流。
大模型论文
- VideoGPT+: 图像与视频编码器融合的视频理解
- 摘要: VideoGPT+结合图像和视频编码器的优点，通过自适应池化策略提升视频理解性能，并在多个基准测试中表现优异。
- MiCo: 可扩展的多模态预训练范式
- 摘要: 提出MiCo预训练范式，扩展多模态数据和模型参数，显著提升多模态学习能力，创37项新纪录。
- 视觉模型与人类美学对齐的算法与基准
- 摘要: 本文提出一种基于偏好强化学习的方法，结合LLM推理和美学模型，提升视觉模型在检索系统中的美学表现，并引入HPIR数据集进行评估。
- 高效长视频问答关键帧选择策略
- 摘要: 本文提出了两种新方法，优化长视频问答中的关键帧选择和序列感知描述，显著减少冗余，提升性能。
- LLAVIDAL：日常生活活动的LLVM基准测试
- 摘要: 提出LLAVIDAL框架，通过ADL-X数据集微调LLVM，实现对日常生活活动的复杂时空关系理解，并提出ADLMCQ基准测试。
- 视觉-语言地理基础模型综述
- 摘要: 本文综述了视觉-语言地理基础模型(VLGFMs)，介绍其背景、核心技术及多模态地理任务应用，并讨论未来研究方向。
- VideoNIAH:视频理解基准框架
- 摘要: VideoNIAH通过合成视频生成构建基准，评估视频模型的时空理解能力，支持长距离依赖任务。
- ElicitationGPT: 基于语言模型的文本评分机制
- 摘要: 本文开发了利用ChatGPT进行文本评分的机制，并通过同行评审数据集与人工评分进行对比，验证其与人类偏好的对齐情况。
- 通过提示梯度对齐增强领域适应
- 摘要: 本文提出了一种新的多目标优化框架，通过对齐每个目标的梯度来促进一致性，并通过罚则防止过拟合。
- 基于自监督离散语音单元的口语理解模型
- 摘要: 提出使用自监督离散语音单元（DSU）和大语言模型（LLM）结合，实现跨领域口语问答任务的指令跟随能力。
大模型开源项目
- Roboflow：计算机视觉工具
- 摘要: Roboflow 提供可重用的计算机视觉工具，使用 Python 编写，帮助用户轻松构建和部署视觉模型。
- 微软生成式AI入门课程
- 摘要: 微软推出18课生成式AI入门课程，Jupyter Notebook编写，帮助初学者快速上手。了解更多：https://microsoft.github.io/generative-ai-for-beginners/
- 最强大模块化稳定扩散GUI
- 摘要: 一个用Python编写的强大稳定扩散GUI、API和后端，具有图形/节点界面，功能强大且模块化。
- Apple Silicon上的Whisper语音识别
- 摘要: argmaxinc项目在Apple Silicon设备上实现Whisper语音识别模型的本地推理，使用Swift语言编写。
