7月13日预告|来自北大、北航、理海、安工程四位一作学者的大模型前沿研究

本文主要是介绍7月13日预告|来自北大、北航、理海、安工程四位一作学者的大模型前沿研究,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

点击蓝字

5526148f4cd719ec885b5f51b2a921de.jpeg

关注我们

AI TIME欢迎每一位AI爱好者的加入!

6b4c5832ca30c42141b13c308302bfc5.jpeg

哔哩哔哩直播通道

扫码关注AI TIME哔哩哔哩官方账号预约直播

90f21f64fc8c12d6376e5dfa69c4bf21.gif

✦+

+

活动时间

2023年7月13日 10:00-12:00

+

邀请嘉宾

10:00—10:20

44f0a3b7de3b2fbf9cccf7a29e85d6b8.png

讲者简介

章恺:

章恺是理海大学 (Lehigh University) 的二年级博士生,导师是孙力超教授。他的研究方向是多模态机器学习,联邦学习,以及它们在医疗领域的应用。他曾先后实习于三星美国研究院 (Samsung Research America),梅奥医院 (Mayo Clinic), 以及亚马逊 (Amazon),研发服务于现实需求的机器学习算法和系统。

报告题目

多模态医疗数据和通用人工智能

10:20—10:40

42e6f9ac4531871a7725a486b034aeaa.jpeg

讲者简介

袁政卿:

袁政卿是安徽工程大学人工智能学院的三年级本科生,导师是刘永明老师、赵转哲教授和王坤老师。他的研究方向是自然语言处理(NLP),语言模型(LM),低资源深度学习(LDL),多模态学习(MML)。他曾在知名国际会议(如SMC、IntelliSys)和SCI期刊上以第一作者身份发表多篇文章。在2021-2022年,在科大讯飞子公司咪鼠科技人机交互联合实验室实习。在2023年7月之前,收到了多位海外博导的博士申请邀请(如南安普顿大学(University of Southampton)王牌ECS学院等)。

报告题目

ArtGPT-4: Artistic Vision-Language Understanding with Adapter-enhanced MiniGPT-4

10:40—11:00

8a6bd361ae4f3a7644a7d887619fa4e5.jpeg

讲者简介

冯古豪:

冯古豪是北京大学信息科学技术学院的大三本科生,导师是贺笛老师和王立威老师。他的研究方向是机器学习理论,目前主要研究机器学习模型的表达能力,从理论的角度启发实践,设计更好的模型。

报告题目

揭示思维链之谜:一个理论视角

11:00—11:20

dfda62cb5ae8d4e136dff94ed4d25a89.jpeg

讲者简介

 王泽坤:

王泽坤,北京航空航天大学一年级在读硕士生,师从许可教授。研究方向为自然语言处理与多模态。主要研究兴趣为多模态基础模型、思维链 (Chain of Thought) 、检索增强以及 Alignment 等。同时也在探索大型语言模型作为 agent 的技术链,比如工具使用、社会模拟、具身智能等。他曾在澜舟科技、北京智源人工智能研究院等进行科研实习。

报告题目

交互式自然语言处理:大模型作为智能体

11:20—12:00

Panel

8e840924f748b8a04d09c86d8cbeb578.gif

1.CV什么时候能迎来ChatGPT时刻?

2.我们何时能够克服大模型的多重挑战直至将其用于生活的方方面面?

3.提示工程能为大语言模型带来怎样的优势和增益?

4.大模型长文本处理的终极方法会是什么?

主持人:涂宇鸽,黄娘球

请添加“AI TIME小助手(微信号:AITIME_HY)”,回复“大模型”,将拉您进群!

4f176b3037f8143ea7767d7c35b44126.gif

AI TIME微信小助手

3e23cae08bb833f37e449d085e0f9a79.jpeg

往期精彩文章推荐

61e1c0a8c7b29a593794307f85ba2570.jpeg

记得关注我们呀!每天都有新知识!

 关于AI TIME 

AI TIME源起于2019年,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索,加强思想碰撞,链接全球AI学者、行业专家和爱好者,希望以辩论的形式,探讨人工智能和人类未来之间的矛盾,探索人工智能领域的未来。

迄今为止,AI TIME已经邀请了1000多位海内外讲者,举办了逾550场活动,超600万人次观看。

cdab25a2cadbd616e935cfff8243f445.png

我知道你

在看

~

66a05d5fa365b0034ae6b746b443c5cc.gif

点击 阅读原文 预约直播!

这篇关于7月13日预告|来自北大、北航、理海、安工程四位一作学者的大模型前沿研究的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/372041

相关文章

C++工程编译链接错误汇总VisualStudio

目录 一些小的知识点 make工具 可以使用windows下的事件查看器崩溃的地方 dumpbin工具查看dll是32位还是64位的 _MSC_VER .cc 和.cpp 【VC++目录中的包含目录】 vs 【C/C++常规中的附加包含目录】——头文件所在目录如何怎么添加,添加了以后搜索头文件就会到这些个路径下搜索了 include<> 和 include"" WinMain 和

一份LLM资源清单围观技术大佬的日常;手把手教你在美国搭建「百万卡」AI数据中心;为啥大模型做不好简单的数学计算? | ShowMeAI日报

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦! 1. 为啥大模型做不好简单的数学计算?从大模型高考数学成绩不及格说起 司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o),组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试,然后由经验丰富的判卷老师评判得分。 结果如上图所

大语言模型(LLMs)能够进行推理和规划吗?

大语言模型(LLMs),基本上是经过强化训练的 n-gram 模型,它们在网络规模的语言语料库(实际上,可以说是我们文明的知识库)上进行了训练,展现出了一种超乎预期的语言行为,引发了我们的广泛关注。从训练和操作的角度来看,LLMs 可以被认为是一种巨大的、非真实的记忆库,相当于为我们所有人提供了一个外部的系统 1(见图 1)。然而,它们表面上的多功能性让许多研究者好奇,这些模型是否也能在通常需要系

人工和AI大语言模型成本对比 ai语音模型

这里既有AI,又有生活大道理,无数渺小的思考填满了一生。 上一专题搭建了一套GMM-HMM系统,来识别连续0123456789的英文语音。 但若不是仅针对数字,而是所有普通词汇,可能达到十几万个词,解码过程将非常复杂,识别结果组合太多,识别结果不会理想。因此只有声学模型是完全不够的,需要引入语言模型来约束识别结果。让“今天天气很好”的概率高于“今天天汽很好”的概率,得到声学模型概率高,又符合表达

智能客服到个人助理,国内AI大模型如何改变我们的生活?

引言 随着人工智能(AI)技术的高速发展,AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展,不少独创的技术点和实际应用令人瞩目。 那么,国内的AI大模型有哪些独创的技术点?它们在实际应用中又有哪些出色表现呢?此外,普通人又该如何利用这些大模型提升工作和生活的质量和效率呢?本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多

OpenCompass:大模型测评工具

大模型相关目录 大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容 从0起步,扬帆起航。 大模型应用向开发路径:AI代理工作流大模型应用开发实用开源项目汇总大模型问答项目问答性能评估方法大模型数据侧总结大模型token等基本概念及参数和内存的关系大模型应用开发-华为大模型生态规划从零开始的LLaMA-Factor

模型压缩综述

https://www.cnblogs.com/shixiangwan/p/9015010.html

AI赋能天气:微软研究院发布首个大规模大气基础模型Aurora

编者按:气候变化日益加剧,高温、洪水、干旱,频率和强度不断增加的全球极端天气给整个人类社会都带来了难以估计的影响。这给现有的天气预测模型提出了更高的要求——这些模型要更准确地预测极端天气变化,为政府、企业和公众提供更可靠的信息,以便做出及时的准备和响应。为了应对这一挑战,微软研究院开发了首个大规模大气基础模型 Aurora,其超高的预测准确率、效率及计算速度,实现了目前最先进天气预测系统性能的显著

工程文档CAD转换必备!在 Java 中将 DWG 转换为 JPG

Aspose.CAD 是一个独立的类库,以加强Java应用程序处理和渲染CAD图纸,而不需要AutoCAD或任何其他渲染工作流程。该CAD类库允许将DWG, DWT, DWF, DWFX, IFC, PLT, DGN, OBJ, STL, IGES, CFF2文件、布局和图层高质量地转换为PDF和光栅图像格式。 Aspose API支持流行文件格式处理,并允许将各类文档导出或转换为固定布局文件格

PyTorch模型_trace实战:深入理解与应用

pytorch使用trace模型 1、使用trace生成torchscript模型2、使用trace的模型预测 1、使用trace生成torchscript模型 def save_trace(model, input, save_path):traced_script_model = torch.jit.trace(model, input)<