Search

Results for “GPT”

Total 1186 articles

深度|近3000家付费客户之后,这家创业公司如何把服装审美写进大模型?

深度|近3000家付费客户之后,这家创业公司如何把服装审美写进大模型? (opens in a new tab)

过去两年,AI生图的参数量与清晰度完成了指数级跨越,但真正面向服装行业却依然面临一个极其尴尬的悖论——当GPT、Gemini等顶尖大模型在通用图像生成上大放异彩时,落地到服装产业的深水区,依然满屏是令人出戏的AI味。通用的SOTA模型做得到了“逼真”,却依然做不好“商业”。

AI news
0
当 AI 开始为 AI 造“认知外骨骼”:不训模型,也能让小 AI 能力翻倍?AI4AI 正从这里开始

当 AI 开始为 AI 造“认知外骨骼”:不训模型,也能让小 AI 能力翻倍?AI4AI 正从这里开始 (opens in a new tab)

Salesforce AI与UIUC研究人员提出Strong-to-Weak Scaffolding方法,让强模型(Builder AI)为弱模型GPT-5.4-mini自动设计外部Harness工作框架,无需修改参数即可将其在心智理论任务上的平均准确率从0.488提升至最佳0.912,揭示AI4AI的核心机制是将认知结构而非知识从强模型迁移至弱模型。

AI guides
0
今天,「人工智能」这个学科诞生70年了

今天,「人工智能」这个学科诞生70年了 (opens in a new tab)

文章以1955年麦卡锡等四人提交达特茅斯会议提案为起点,回顾人工智能学科诞生70年来的关键节点——符号主义与连接主义的兴衰、两次AI寒冬的成因与转机、2012年深度学习崛起、Transformer架构与ChatGPT引发的产业变革,指出AI发展是一条反复冲高与摔落的锯齿线,每一次寒冬皆因承诺跑得比能力快。

AI news
0
自进化WAM来了!清华AIR联手域变换提出具身In-Context Causal Learning

自进化WAM来了!清华AIR联手域变换提出具身In-Context Causal Learning (opens in a new tab)

模型不更新,能力却持续增长。 这是Zeva最反直觉的地方,也是清华AIR与域变换联手给出的新答案。 在多个典型具身基准任务上,将冻结模型的累计成功率从26%提升到73%;在真实化学实验室,机械臂在多次尝试中越用越稳。 更关键的是,一次人类演示就能让模型“学会”一个新操作。 Zeva是首个实现In-Context Causal Learning(ICCL)的具身WAM。 它让模型可以在不更新权重的情况下,从自己的交互经验中持续学习。当这种能力逐步成熟,具身智能将迎来属于自己的“GPT时刻”。 项目信息 项目名称:Zeva 发布机构:清华AIR、域变换 论文题目:Zeva: In-Context

AI guides
0