Transformer 论文共同作者将离职 Google

Transformer论文共同作者将离职Google参与撰写了开创性人工智能论文《注意力就是你所需要的一切》（AttentionIsAllYouNeed）的利昂·琼斯（LlionJones）证实，他将于本月晚些时候离开Google，并计划在休假后创办一家公司。该论文于2017年发表，介绍了Transformer的概念，该系统可以帮助AI模型在它们正在分析的数据中锁定最重要的信息。Transformer现在是大型语言模型的关键构建模块。这几年间，该论文的作者们创办了一些知名初创公司，其中包括为企业客户提供大型语言模型的Cohere和聊天机器人公司Character.AI。来源：https://www.jiemian.com/article/9725020.html投稿：@ZaiHuaBot频道：@TestFlightCN

Google 将缩减 AI 论文发表数量

Google通知员工将选择性的发表AI论文。Google最近合并了它的AI研究部门Brain和DeepMind，合并后的部门将会继续发表新AI研究，但对于什么能公开发表将会更具有选择性。GoogleAI部门资深高管JeffDean在今年2月向研究人员通知了新的论文发表政策，Dean此前像大学那样管理着AI部门，鼓励研究人员尽可能多的发表学术论文。自2019年以来Google研究人员发表了近500项研究。但OpenAIChatGPT的发布改变了这一切，而ChatGPT是基于Google关于Transformer的研究。所以Google决定改变它的政策，它计划只在AI变成产品之后才公开相关论文。搜索巨人一直被认为是AI研究领域的领导者，但它现在进入了防御模式，需要保护其核心的搜索业务抵御来自AI竞争对手的挑战。它现在将注意力集中在可以商业化的大语言模型和产品上。频道：@TestFlightCN

发现错过了一篇 text to video 的论文 —— Dreamix，众所不周知，现在视频可以P了，用嘴就行。

发现错过了一篇texttovideo的论文——Dreamix，众所不周知，现在视频可以P了，用嘴就行。从展示的案例来看，Dreamix的生成能力跟去年Meta和Google发布的模型类似，个人觉得用图片生成视频的案例比较惊艳……毕竟拍几张照片+一段文字描述就能生成一个视频，是真的离谱。▶项目地址：dreamix-video-editing.github.io▶论文地址：arxiv.org/pdf/2302.01329.pdf

在 arxiv.org 链接前面加上“talk2”，可直接针对论文内容进行问答（需要自备OpenAI key）| github

在arxiv.org链接前面加上“talk2”，可直接针对论文内容进行问答（需要自备OpenAIkey）Talk2Arxiv是专为学术论文PDF构建的开源RAG（检索增强生成）系统，由talk2arxiv服务器提供支持特征PDF解析：利用GROBID从PDF中高效提取文本。分块算法：用于最佳文本分块的定制算法。按逻辑部分（简介、摘要、作者等）进行分块，并且还利用递归细分分块（块为512个字符，然后是256个字符，然后是128个字符......）文本嵌入：使用Cohere的EmbedV3模型进行准确的文本嵌入。矢量数据库集成：使用Pinecone来存储和查询嵌入。这也可以缓存研究论文，因此论文只需要嵌入一次。上下文相关性：采用重新排名过程来根据用户输入选择最相关的内容。

Google推出新图像控制方式 可在StableDiffusion图像生成中保证内容特征一致性

Google推出新图像控制方式可在StableDiffusion图像生成中保证内容特征一致性论文地址：https://arxiv.org/pdf/2311.10093.pdf这项技术的实现方法包括三个步骤。首先是身份聚类，通过生成一系列图像，并将它们嵌入到语义空间中，使用聚类算法将这些图像分组，每个组代表一种可能的角色身份。这个过程旨在识别出一组视觉上一致的图像，从而确定角色的主要视觉特征。接下来是身份提取，一旦确定了一组具有高内聚性的图像，就会在这些图像上训练模型，以提取出更一致的角色身份。这意味着模型将学习到特定角色的关键视觉特征，以便在未来的生成中更准确地重现这些特征。...PC版：https://www.cnbeta.com.tw/articles/soft/1398313.htm手机版：https://m.cnbeta.com.tw/view/1398313.htm

利用混沌：激光测距的革命性方法

利用混沌：激光测距的革命性方法EPFL的研究人员利用光学微谐振器中的混沌频率梳开发出了一种新的激光测距方法，有望推动光学测距和通信技术的发展。洛桑联邦理工学院劳力士学习中心的激光雷达点云插图。资料来源：AntonLukashchuk（EPFL）利用混沌频梳现在，EPFL的托比亚斯-基彭伯格（TobiasKippenberg）研究小组的研究人员找到了一种新方法，可以利用混沌频率梳的独特功能，通过利用混沌梳线的固有随机振幅和相位调制，实现毫不含糊且不受干扰的大规模并行激光测距。这项研究为利用光微谐振器中的非相干和混沌光状态进行大规模并行激光测距引入了一种新范例。与传统方法相比，这种创新方法具有显著优势，为各个领域的应用开辟了新的可能性。技术细节和优势这种新型激光测距技术背后的概念是基于随机调制连续波（RMCW）原理，即利用载波的随机振幅和相位调制，通过探测器的振幅和频率交叉相关性来探测目标。与依赖外部调制的传统连续波（CW）系统不同，EPFL开发的方法利用了光学微谐振器中混沌梳状线固有的随机振幅和相位调制。该系统可支持数百个多色独立光载波，从而实现大规模并行激光测距和测速。商业意义和专家见解RMCW技术正变得越来越有吸引力，一些激光雷达公司在其商业产品中采用了这种方法。基彭伯格实验室的博士生、本研究的第一作者安东-卢卡舒克（AntonLukashchuk）说："在未来的无人驾驶车辆时代，不受其他激光雷达和环境光源的相互干扰使得RMCW的这一优势非常显著。此外，我们的方法对激光器的频率噪声、调谐灵敏度和线性度没有严格要求，也不需要波形启动程序"。约翰-里门斯伯格（JohannRiemensberger）是基彭伯格实验室的博士后，也是这篇论文的共同作者："令人惊讶的是，在混沌调制不稳定性机制下运行时，梳状线会伴随宽带信号调制，通常会超过谐振带宽，从而实现厘米量级的范围分辨率。此外，混沌微梳具有高能效、热稳定性好、操作简单等特点，并能提供平顶光学光谱"。该团队的突破为光学测距、扩频通信、光学密码学和随机数生成开辟了新的可能性。这项研究成果不仅推进了我们对光学系统混沌动力学的理解，还为各个领域的高精度激光测距提供了实用的解决方案。...PC版：https://www.cnbeta.com.tw/articles/soft/1389517.htm手机版：https://m.cnbeta.com.tw/view/1389517.htm