Einführung in Diffusionsmodelle: Die Grundlagen von DDPM (Mathematische Prinzipien für jedermann)

Geheimnisse der KI-Verträglichkeit für verstärkendes Lernen: Tsinghua University enthüllt Unterschiede zwischen Llama und Qwen und präsentiert OctoThinker

Große Sprachmodelle (LLM) haben in komplexen Schlussfolgerungsaufgaben durch die Kombination von Aufgabenprompting und großflächigem verstärkendem Lernen (RL) erhebliche Fortschritte gemacht, wie Modelle wie Deepseek-R1-Zero, die das verstärkende Lernen direkt auf Basismodelle anwenden und starke Schlussfolgerungsfähigkeiten zeigen. Allerdings ist dieser Erfolg in verschiedenen Basismodellsuiten schwer nachzuahmen, insbesondere bei der Llama-Serie. Dies wirft eine zentrale Frage auf: Welche Faktoren führen dazu, dass verschiedene Basismodelle im Prozess des verstärkenden Lernens unterschiedlich abschneiden? Verstärkendes Lernen in

Youdao stellt das „Zi Yue 3“-Modell vor und löst mathematische Probleme bequem, um Bildungsgerechtigkeit zu fördern!

Am 23. Juni hat NetEase Youdao offiziell das neue „Zi Yue 3“-Serienmodell vorgestellt und es geöffnet. Der englische Name lautet Confucius3-Math. Dieses auf Mathematikbildung spezialisierte Inferenzmodell kann effizient auf gewöhnlichen konsumorientierten Grafikkarten laufen und ist das erste kostengünstige und leistungsstarke AI-Bildungstool in China. In einer Reihe von mathematischen Schlussfolgerungsaufgaben hat das „Zi Yue 3“-Modell eine hervorragende Leistung gezeigt, die viele große allgemeine Modelle übertrifft. Das „Zi Yue 3“-Mathematikmodell verwendet eine große Menge an verstärktem Lernen und eine Reihe innovativer Algorithmen.

Terence Tao: AI fehlt der mathematische Instinkt, menschliche Intuition ist weiterhin unverzichtbar

NVIDIA und MIT gemeinsam den Fast-dLLM-Framework vorgestellt – AI-Inferrate um 27,6-mal beschleunigt

Kürzlich haben die Technologie-Giganten von NVIDIA in Zusammenarbeit mit dem Massachusetts Institute of Technology (MIT) sowie der University of Hong Kong einen neuen Framework namens Fast-dLLM veröffentlicht. Diese innovative Framework zielt darauf ab, die Inferrate von Diffusionsmodellen (Diffusionsbasierte LLMs) signifikant zu steigern, was bis zu 27,6-mal möglich ist, und bietet dadurch eine noch stärkere technische Unterstützung für Anwendungen im Bereich künstliche Intelligenz. Herausforderungen und Möglichkeiten der Diffusionsmodelle: Die Diffusionsmodelle gelten als starke Konkurrenten traditioneller autoregressiver Modelle (Autoregressive Modelle).

AI-Hilfsprogramm MathModelAgent für mathematische Modellierung: Von der Analyse bis zum Abschluss der wissenschaftlichen Arbeit

Google AlphaEvolve veröffentlicht! Gemini-SelbstanpassungskI löst mathematische Probleme, optimiert Chips und Rechenzentren, Trainingsgeschwindigkeit steigt um 32,5%!

Gemini-2.5-pro zeigt in MathArena-Benchmark herausragende mathematische Fähigkeiten und übertrifft deutlich andere Modelle

LanPaint: Lokale Neulackierungsmethode für Inferenz, Bildreparatur ohne Training

Der Entwickler scraed hat kürzlich auf GitHub LanPaint veröffentlicht, ein Werkzeug zur Bildreparatur ohne zusätzliches Training. Dieses Tool soll Nutzern helfen, hochwertige Bildreparaturergebnisse auf jedem stabilen Diffusionsmodell (SD) zu erzielen, einschließlich selbst trainierter, benutzerdefinierter Modelle. LanPaint erzielt durch mehrfache Iterationen, die das Modell vor dem Entrauschen „nachdenken“ lassen, nahtlosere und genauere Reparaturergebnisse. Ein Hauptmerkmal von LanPaint ist die Reparatur ohne Training. Benutzer können sofort...

Google entfernt Aussage zur Nichtentwicklung von KI-Waffen von Webseite – sorgt für Aufsehen

Google hat kürzlich stillschweigend eine Zusage von seiner Webseite entfernt, keine künstliche Intelligenz (KI) für Waffen oder Überwachung zu entwickeln. Die Änderung wurde zuerst von Bloomberg berichtet und hat zu erheblicher Aufmerksamkeit und Diskussion geführt. Google aktualisierte kürzlich seine öffentlichen KI-Prinzipien und entfernte den Abschnitt "Anwendungen, die wir nicht verfolgen werden", der noch in der Vorwoche sichtbar war. Auf Anfrage der Medien verwies Google auf einen kürzlich veröffentlichten Blogbeitrag über "verantwortungsvolle KI" bei TechCrunch. Dies...

Grundlegendes Framework zur Skalierung der Inferenzzeit in Diffusionsmodellen von Google AI vorgestellt

Ein Forschungsteam der New York University, des MIT und von Google hat kürzlich ein innovatives Framework vorgestellt, das darauf abzielt, Engpässe bei der Skalierung der Inferenzzeit in Diffusionsmodellen zu lösen. Diese bahnbrechende Forschung geht über herkömmliche Ansätze der einfachen Erhöhung der Anzahl von Denoisierungsschritten hinaus und eröffnet neue Wege zur Verbesserung der Leistung generativer Modelle. Das Framework konzentriert sich auf zwei Dimensionen: Erstens die Verwendung eines Validierers zur Rückmeldung und zweitens die Implementierung von Algorithmen zur Ermittlung besserer Kandidaten für Rauschen. Das Forschungsteam verwendete ein vortrainiertes SiT-XL-Modell mit einer Auflösung von 256×256 als Grundlage und behielt 250 feste Denoisierungsschritte bei...