/
【倒计时1天】2022年GTI国际产业峰会，看5G创新助力绿色低碳发展
2022年GTI线上国际产业峰会，以“5G创新助力绿色低碳发展”为主题，分享全球5G战略规划以及最新进展。
来源：业界供稿
0赞好文章，需要你的鼓励
推荐文章
进击的多模态推理：浙大&复旦联合研究团队揭秘从优化冷启动到分阶段强化学习的全新训练范式
这项研究由浙江大学、复旦大学等机构联合完成，提出了ReVisual-R1模型，通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型，甚至在某些任务上超过了商业模型，为多模态推理研究开辟了新途径。
一招制胜：通过单一问题的批评式微调释放大语言模型的推理潜力
这项研究提出了一种名为"批评式微调"的创新方法，证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验，发现这种方法在数学和逻辑推理任务上都取得了显著提升，平均提高15-16个百分点，而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
图像编辑即程序：新加坡国立大学研究团队提出模块化编辑框架，让复杂图像编辑变得简单高效
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架，它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色，但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作，并利用思维链推理技术智能分解用户指令，实验证明其性能显著超越现有方法，尤其在处理复杂多步骤编辑时。
TalkingMachines：Character AI打造的实时音频驱动视频会话系统，让虚拟形象自然对话成为现实
Character AI的研究者开发出TalkingMachines系统，通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括：将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话，嘴型与语音同步，为实时数字人交互技术开辟了新可能。
2022
02/28
10:00
分享
点赞
最新文章
2025思爱普中国峰会：商业AI持续释放数据价值，驱动企业韧性增长
Snap 推出 Lens Studio iOS 与网页版应用，用 AI 和简单工具创建 AR Lens
国家网络安全中心阐述如何构建网络安全文化
Epic Games 揭示 2025 年 Unreal 现状
AI测试趋势洞察、行业实践探索与未来展望
Snapchat 全球推出 Apple Watch 应用
中国光网络研讨会“卫星光通信与智能组网技术”首届专项研讨会召开
亚马逊神秘研发实验室开发集成agentic AI软件的机器人
数据中心的绿色存储
别再猜测为什么你的大语言模型出错： Anthropic 的新工具能准确显示问题所在
Samsung 联手 Glance 利用你的面容实现 AI 生成锁屏广告
未来预测：逐年推进 AI 迈向 2040 年实现 AGI 的路径
邮件订阅
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
