![[NVLM]多模态 LLM 在图像和语言](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/September2024/nvlm-520x300.png)
[NVLM]多模态 LLM 在图像和语言任务中的表现优于 GPT-4o
[NVLM]多模态 LLM 在图像和语言任务中的表现优于 GPT-4o
大型语言模型
生成模型
人工智能×手工艺打造 "味道像爱 "的面包
人工智能×手工艺打造 "味道像爱 "的面包
人机交互
使用 CLIP 进行深度伪造检测的新领域
使用 CLIP 进行深度伪造检测的新领域
假货检测
GMS：利用 ChatGPT 和扩散模型进行制造业革命
GMS：利用 ChatGPT 和扩散模型进行制造业革命
制造业
![[BitNet B1.58] 模型参数用](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/August2024/bitnet_b1.58-520x300.png)
[BitNet B1.58] 模型参数用三个值表示，精度优于 Llama！
[BitNet B1.58] 模型参数用三个值表示，精度优于 Llam ...
大型语言模型
使用频率掩码的新一代深度防伪检测技术
使用频率掩码的新一代深度防伪检测技术
假货检测
![[HiFi-GAN]基于 GAN 的声码](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/July2024/hifi-gan-520x300.png)
[HiFi-GAN]基于 GAN 的声码器，能在单 GPU 上生成 22 KHz 音频
[HiFi-GAN]基于 GAN 的声码器，能在单 GPU 上生成 2 ...
文字转语音
潜在扩散模型不一定会 "扩大规模"
潜在扩散模型不一定会 "扩大规模"
扩散模型
![[Mustango] 使用音乐领域知识的](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/June2024/mustango-520x300.png)
[Mustango] 使用音乐领域知识的音乐生成模型
[Mustango] 使用音乐领域知识的音乐生成模型
音频和语音处理
![[VoiceCraft] 业界最高水平的](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/June2024/voice-craft-520x300.png)
[VoiceCraft] 业界最高水平的自然语音合成语言模型
[VoiceCraft] 业界最高水平的自然语音合成语言模型
文字转语音
![[AlphaCodium] 性能最高的编](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/May2024/alphacodium-520x300.png)
[AlphaCodium] 性能最高的编程代码生成方法
[AlphaCodium] 性能最高的编程代码生成方法
大型语言模型
BioinspiredLLM "利用大规模语言模型进行生物材料研究的创新
BioinspiredLLM "利用大规模语言模型进行生物材料研究的创 ...
大型语言模型
法律硕士能否根据 "五大性格 "再造一个角色！
法律硕士能否根据 "五大性格 "再造一个角色！
聊天室GPT
U-ViT：用于扩散建模的 ViT 主干网
U-ViT：用于扩散建模的 ViT 主干网
生成图像
ADD：具有对抗学习和知识提炼功能的扩散模型
ADD：具有对抗学习和知识提炼功能的扩散模型
生成图像
ADD：具有对抗学习和知识提炼功能的扩散模型
ADD：具有对抗学习和知识提炼功能的扩散模型
生成图像
![[DPO]一种不使用强化学习，直接将大规](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/January2024/direct_preference_optimization-520x300.png)
[DPO]一种不使用强化学习，直接将大规模语言模型与用户偏好相匹配的方法
[DPO]一种不使用强化学习，直接将大规模语言模型与用户偏好相匹配的方 ...
RLHF
苹果公司在内存容量有限的设备上实现高效的大规模语言模型推理
苹果公司在内存容量有限的设备上实现高效的大规模语言模型推理
大型语言模型