乾杯！當(dāng)論文討論細(xì)緻到詞句，是什麼體驗(yàn)？最近，史丹佛大學(xué)的學(xué)生針對arXiv論文創(chuàng)建了一個(gè)開放討論論壇——alphaXiv，可以直接在任何arXiv論文之上發(fā)布問題和評論。網(wǎng)站連結(jié)：https://alphaxiv.org/其實(shí)不需要專門訪問這個(gè)網(wǎng)站，只需將任何URL中的arXiv更改為alphaXiv就可以直接在alphaXiv論壇上打開相應(yīng)論文：可以精準(zhǔn)定位到論文中的段落、句子：右側(cè)討論區(qū)，使用者可以發(fā)表問題詢問作者論文想法、細(xì)節(jié)，例如：也可以針對論文內(nèi)容發(fā)表評論，例如：「給出至

同樣是圖生視頻，PaintsUndo走出了不一樣的路線。 ControlNet作者LvminZhang又開始整活了！這次瞄準(zhǔn)繪畫領(lǐng)域。新項(xiàng)目PaintsUndo剛上線不久，就收穫1.4kstar（還在瘋狂漲）。項(xiàng)目地址：https://github.com/lllyasviel/Paints-UNDO透過這個(gè)項(xiàng)目，用戶輸入一張靜態(tài)圖像，PaintsUndo就能自動幫你生成整個(gè)繪畫的全過程視頻，從線稿到成品都有跡可循。繪製過程，線條變化多端甚是神奇，最終視頻結(jié)果和原始圖像非常相似：我們再來看一個(gè)完整的繪

最近，被稱為千禧年七大難題之一的黎曼猜想迎來了新突破。黎曼猜想是數(shù)學(xué)中一個(gè)非常重要的未解決問題，與素?cái)?shù)分佈的精確性質(zhì)有關(guān)（素?cái)?shù)是那些只能被1和自身整除的數(shù)字，它們在數(shù)論中扮演著基礎(chǔ)性的角色）。在當(dāng)今的數(shù)學(xué)文獻(xiàn)中，已有超過一千個(gè)數(shù)學(xué)命題以黎曼猜想（或其推廣形式）的成立為前提。也就是說，黎曼猜想及其推廣形式一旦被證明，這一千多個(gè)命題將被確立為定理，對數(shù)學(xué)領(lǐng)域產(chǎn)生深遠(yuǎn)的影響；而如果黎曼猜想被證明是錯誤的，那麼這些命題中的一部分也將隨之失去其有效性。新的突破來自MIT數(shù)學(xué)教授LarryGuth和牛津大學(xué)

如果AI模型給的答案一點(diǎn)也看不懂，你敢用嗎？隨著機(jī)器學(xué)習(xí)系統(tǒng)在更重要的領(lǐng)域中得到應(yīng)用，證明為什麼我們可以信任它們的輸出，並明確何時(shí)不應(yīng)信任它們，變得越來越重要。獲得對複雜系統(tǒng)輸出結(jié)果信任的一個(gè)可行方法是，要求系統(tǒng)對其輸出產(chǎn)生一種解釋，這種解釋對人類或另一個(gè)受信任的系統(tǒng)來說是可讀的，即可以完全理解以至於任何可能的錯誤都可以被發(fā)現(xiàn)。例如，為了建立對司法系統(tǒng)的信任，我們要求法院提供清晰易讀的書面意見，解釋並支持其決策。對於大型語言模型來說，我們也可以採用類似的方法。不過，在採用這種方法時(shí)，確保語言模型生

AIxiv專欄是本站發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄位。過去數(shù)年，本站AIxiv專欄接收通報(bào)了2,000多篇內(nèi)容，涵蓋全球各大專院校與企業(yè)的頂尖實(shí)驗(yàn)室，有效促進(jìn)了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或聯(lián)絡(luò)報(bào)道。投稿信箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com在人工智慧領(lǐng)域的發(fā)展過程中，對大語言模型（LLM）的控制與指導(dǎo)始終是核心挑戰(zhàn)之一，旨在確保這些模型既強(qiáng)大又安全地服務(wù)人類社會。早期的努力集中在透過人類回饋的強(qiáng)化學(xué)習(xí)方法（RL

語言模型真的能用於時(shí)序預(yù)測嗎？根據(jù)貝特里奇頭條定律（任何以問號結(jié)尾的新聞標(biāo)題，都能夠用「不」來回答），答案應(yīng)該是否定的。事實(shí)似乎也果然如此：強(qiáng)大如斯的LLM並不能很好地處理時(shí)序資料。時(shí)序，即時(shí)間序列，顧名思義，是指一組依照時(shí)間發(fā)生先後順序排列的資料點(diǎn)序列。在許多領(lǐng)域，時(shí)序分析都很關(guān)鍵，包括疾病傳播預(yù)測、零售分析、醫(yī)療和金融。在時(shí)序分析領(lǐng)域，近期不少研究者都在研究如何使用大型語言模型（LLM）來分類、預(yù)測和偵測時(shí)間序列中的異常。這些論文假設(shè)擅長處理文本中順序依賴關(guān)係的語言模型也能泛化用於時(shí)間序

AIxiv專欄是本站發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄位。過去數(shù)年，本站AIxiv專欄接收通報(bào)了2,000多篇內(nèi)容，涵蓋全球各大專院校與企業(yè)的頂尖實(shí)驗(yàn)室，有效促進(jìn)了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或聯(lián)絡(luò)報(bào)道。投稿信箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com這篇論文的作者皆來自伊利諾大學(xué)香檳分校（UIUC）張令明老師團(tuán)隊(duì)，包括：StevenXia，四年級博士生，研究方向是基於AI大模型的自動代碼修復(fù)；鄧茵琳，四年級博士生，研究方

AIxiv專欄是本站發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過去數(shù)年，本站AIxiv專欄接收報(bào)道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級實(shí)驗(yàn)室，有效促進(jìn)了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)系報(bào)道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com。引言近年來，多模態(tài)大型語言模型（MLLM）在各個(gè)領(lǐng)域的應(yīng)用取得了顯著的成功。然而，作為許多下游任務(wù)的基礎(chǔ)模型，當(dāng)前的MLLM由眾所周知的Transformer網(wǎng)絡(luò)構(gòu)成，這種網(wǎng)