Search Results ML

「MFAを超えて：オクタがエンタープライズアイデンティティを再定義する方法」

新しい解決策は、AIと自動化を活用して企業のセキュリティ姿勢を強化し、従業員の生産性を高めます

ユニ3D：スケールで統一された3D表現を探求する

テキストやビジュアルの表現の拡大は、最近の研究の主要な焦点となっています最近行われた開発と研究により、言語学習とビジョンにおいて多くの革命が生まれましたしかし、テキストやビジュアルの表現の拡大人気にもかかわらず、3Dシーンやオブジェクトの表現の拡大にはまだ課題があります

VoAGIニュース、10月27日：データサイエンスをマスターするための5冊の無料の本 • LLMをマスターするための7つのステップ

今週のVoAGIで、大規模言語モデルの学習からLLMアプリの構築と展開までを7つのステップで行いますPython、統計学、線形代数、機械学習、ディープラーニングの学習に役立つ無料の書籍リストもチェックしてくださいさらに、他にもたくさんの情報があります！

Partners

倉庫業務の変革：AIと自動化の力を活用する

グローバルな供給チェーンの進化に伴い、顧客の要求に応える倉庫の役割がますます重要になってきています

生成AI 最初のドラフト、最終的なものではない

この記事は、LLLの仕組みとそれに伴う制約を、分かりやすい説明や逸話を交えながら概説していますまた、人々がLLLを自分のワークフローに導入する方法についてもアドバイスを提案しています

Artificial Intelligence

「量子化とその他 LLMの推論時間を80%削減する」

量子化（りょうしきか）は、さまざまなアルゴリズムに使用される技術ですが、比較的最近になって大規模言語モデル（LLM）が増加したことで一般的になりましたこの記事では、私は…

「ウッドペッカーは、言語モデルにおけるAIの精度を革新している方法とは？」

中国の腾讯YouTu Labと中国科学技術大学（USTC）のAI研究者グループが、Multimodal Large Language Models（MLLM）の幻想問題に取り組むために開発されたAIフレームワーク「Woodpecker」を発表しました。この開発は画期的なものです。本記事では、Woodpeckerの意義、機能、およびAI産業への変革の可能性について探っていきます。幻想の課題を理解する AIモデルは、訓練セットと何の関係もない結果を自信満々に表示するという幻想という混乱した問題に直面しています。そこで救世主として登場するのがWoodpeckerです。Woodpeckerは、特に視覚とテキストデータを統合したGPT-4VなどのMultimodal Large Language Models（MLLM）に焦点を当てています。詳しくはこちらをご覧ください：Woodpecker：Multimodal Large Language Modelsの幻想修正 Woodpeckerのソリューション：幻覚の修正 Woodpeckerは名前だけでなく、強力なツールです。この画期的なフレームワークは、GPT-3.5 Turboを始めとする3つのAIモデルを使用して幻想を検出および修正します。重要なステップである視覚的な知識の検証やキーコンセプトの抽出など、5つのステップからなる手順を使用しています。素晴らしい結果：精度の30.66％の向上ここで魔法が起こります。Woodpeckerに関する研究では、基準モデルと比較して驚異的な30.66％の精度向上が示されています。この数字は、WoodpeckerがAIモデルの性能を大幅に改善することができるかを示しています。 Woodpeckerのワークフローの一部を垣間見る Woodpeckerの操作の微妙なニュアンスを見てみましょう。5つのステップはタスクシンフォニーを構成しています。まず、テキストが参照する重要なアイテムをリストアップします。次に、これらのアイテムに関するクエリを投げ、それらの数量や特性を調べます。視覚的な知識の検証というプロセスを通じて、フレームワークは専門家モデルを使用してこれらの質問に答えます。そしてここで魔法が起こります：質問-回答ペアは、画像の属性やオブジェクトレベルでの主張を含む視覚的な知識ベースに変換されます。最終的に、Woodpeckerは幻覚を取り除き、関連する証拠を追加し、視覚的な知識ベースをガイドとして使用します。オープンソースでインタラクティブ：AIの応用を広げる Woodpeckerの開発者たちは情報の共有を目指しています。ソースコードは親切に提供されており、広いAIコミュニティはこの画期的なフレームワークを調査して活用することができます。また、インタラクティブなシステムデモも用意されており、ユーザーはWoodpeckerの能力を直に確認し、幻覚の修正能力を理解することができます。 Woodpeckerの効率を評価する…

シャム・ボージワニは、自動化、デジタルトランスフォーメーション、サイバーセキュリティ、そしてITの役割の未来について述べています

ワークアト・インクのビジネステクノロジーおよびサイバーセキュリティディレクターであるシャム・ボージュワニは、自動化とAIを活用して従業員体験とサイバーセキュリティオペレーションを向上させるのに重要な存在ですIT、ソリューション設計、サイバーセキュリティ、および内部AIと自動化のリーダーシップを経験したバックグラウンドを持つシャムは、技術的で非技術的な両方の人々による開発者文化の促進を牽引しています... 自動化、デジタルトランスフォーメーション、サイバーセキュリティ、およびITの役割の未来についてシャム・ボージュワニの記事を読む»

NEWS

清華大学の研究者たちは、潜在意味モデル（LCM）を提案しました：潜在拡散モデル（LDM）の次世代の生成AIモデル

“`HTML 潜在的な一貫性モデル(LCMs)は、潜在空間で拡張確率流ODEソリューションを直接予測することにより、高解像度の画像を効率的に生成します。この方法により、既存のモデルと比較して計算量と生成時間が大幅に減少し、繰り返しの必要性がなくなります。LCMsはテキストからイメージへの生成において、最小限の推論ステップで最先端のパフォーマンスを提供し、高速で高品質なイメージ合成の貴重な進歩となっています。拡散モデル(DMs)は、VAEやGANよりも安定性と尤度評価の向上により、画像生成で優れた性能を発揮しました。Stable Diffusion(SD)を含む潜在的な拡散モデル(LDMs)は、高解像度のテキストからイメージの合成において効率的です。一貫性モデル(CMs)は、迅速で高品質な結果を提供するための1ステップ生成を導入し、事前にトレーニングされた拡散モデルから抽出することも独立して機能します。LCMsはCMsを拡張し、迅速で高品質なイメージ合成のための拡張確率流ODEソリューションを予測します。ODEソルバーやニューラルオペレータなど、DMsを加速するための様々なテクニックが提案されています。 SDなどのDMsは画像生成で優れた性能を発揮しますが、生成時間が遅いという課題があります。清華大学の研究者はCMsを導入して処理を高速化する提案を行いましたが、応用範囲をさらに広げる必要があります。彼らの研究では、潜在空間で拡張確率流ODEソリューションを予測するLCMsを提案し、最小限のステップで迅速かつ高品質なイメージ合成を可能にしています。LCMsは最先端のテキストからイメージへの生成を効率的に実現し、拡散モデルにおける生成の遅さに対する有望な解決策となっています。彼らの手法では、LCMsを効率的な高解像度イメージ合成に用い、最小限の推論ステップで拡張確率流ODEソリューションを予測し、繰り返しの必要性を削減し、迅速かつ高品質なサンプリングを実現します。事前にトレーニングされたクラシファイアフリーなガイド付き拡散モデルから抽出することもできます。彼らの研究では、カスタムデータセットの適応に対するLatent Consistency Fine-tuning (LCF)を紹介しています。LCMsは、LAION-5B-Aestheticsデータセット上で僅かな推論ステップで最先端のテキストからイメージへの生成を実証しています。 LCMsはテキストからイメージへの生成において卓越したパフォーマンスを発揮し、LAION-5B-Aestheticsデータセットで評価された際に最先端の結果を示します。彼らの手法ではLCFを導入し、PokemonとSimpsonsの2つのカスタムデータセットでその有効性を実証しています。LCMsは、LCFを使用して微調整することで、わずか数ステップでユニークなスタイルのイメージを迅速に生成することができ、個別のイメージ合成における手法の効果を示しています。結論として、LCMsは高解像度のイメージ合成において効率的な少数ステップの推論を備えた強力な手法を提供し、テキストからイメージへの生成において最先端の結果を達成します。研究者はLCMsをカスタムイメージデータセットに適応するためにLCFを導入し、最小限のステップでスタイルに合わせたイメージを効果的に生成します。LAION-5B-Aestheticsデータセットでの詳細な実験は、LCMsの優れたパフォーマンスを示し、多様なイメージ生成タスクへの可能性を強調しています。今後の研究では、LCMの応用範囲や能力をさらに拡大することが目指されます。今後の研究では、LCMsの画像合成と操作における広範な応用について探求することがあります。LCMsをビデオや3D画像合成のドメインで調査することは可能です。LCMsをGANやVAEなどの生成モデルと組み合わせることで、その多様性を向上させることができるでしょう。LCMsによる生成された画像と最先端の手法を比較するユーザースタディは、モデルの改良と向上のための洞察を提供し、知覚的品質とリアリズムを評価することができます。 “`

２０２３年１０月：オクタが新しいアイデンティティイノベーションを発表して、AI時代のセキュリティを確保します

アイデンティティの脅威保護、AI開発者の生産性向上、パスワードレス認証、認証および資格情報の解決策

Learn more about Search Results ML - Page 183