Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

大家好，这是我第五个调整的版本，lora模型已经调到没法再精调的地步了，本次更新是通过Qwen 2511 Edit实现了多机位的拍摄出图，因为据我所知，目前再厉害的开源视频模型无论是wan2.2还是ltx2也无法控制背景中的人物举止神态和汽车行驶的轨迹。所以一旦超出了模型上下文窗口，背景内容就会被重新计算，人就会乱跑，所以我只能通过infinite talk来切镜头保持整个视频的流畅，但是这意味着我必须把多个镜头都要重新生成一遍，3个机位就是3次推理的过程，非常耗时5090就不行了，有必要请如来佛祖的H200帮忙了。

CuiMao's profile picture

CuiMao

73,797 subscribers

34,395 görüntüleme • 7 ay önce •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

宇树的研发经费之所以少，就是因为各个场景的动作调教优化，很多都是各个高校的学生做的 这帮人毕业之后，再入职科技公司的大模型团队，至少都是七位数的年包 具身智能这个名字已经过时了，上半年流行交多模态模型，到了下半年，流行叫世界模型了😄
0:46

宇树的研发经费之所以少，就是因为各个场景的动作调教优化，很多都是各个高校的学生做的 这帮人毕业之后，再入职科技公司的大模型团队，至少都是七位数的年包 具身智能这个名字已经过时了，上半年流行交多模态模型，到了下半年，流行叫世界模型了😄

大漂亮| C Labs

24,244 görüntüleme • 26 gün önce

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报), 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.
1:26

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报), 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.

karminski-牙医

14,175 görüntüleme • 9 ay önce

黄仁勋提到：优秀的AI开源模型对整个行业都是好事，无论它来自哪里... 在和 axios 的最新访谈中，Jensen已经聊到了中国的开源模型和美国闭源模型的看法，今天又特意注册X发文说明为什么开源模型很重要..... 他说：“这些中国模型非常优秀，优秀的开源模型就应该被使用” “我认为优秀的AI开源模型对整个行业都是好事，显然，只要有优秀的AI，即使是开源的，无论它来自哪里，都会带来更多的使用” “优秀的模型带来大量使用，大量使用带来巨大增长。而这只是个开始” “DeepSeek当时就是这样，Kimi也会是这样” “还有一个误解是，开源模型会对闭源模型构成对抗，这也是错的”
1:13

黄仁勋提到：优秀的AI开源模型对整个行业都是好事，无论它来自哪里... 在和 axios 的最新访谈中，Jensen已经聊到了中国的开源模型和美国闭源模型的看法，今天又特意注册X发文说明为什么开源模型很重要..... 他说：“这些中国模型非常优秀，优秀的开源模型就应该被使用” “我认为优秀的AI开源模型对整个行业都是好事，显然，只要有优秀的AI，即使是开源的，无论它来自哪里，都会带来更多的使用” “优秀的模型带来大量使用，大量使用带来巨大增长。而这只是个开始” “DeepSeek当时就是这样，Kimi也会是这样” “还有一个误解是，开源模型会对闭源模型构成对抗，这也是错的”

梭哈.AI

51,188 görüntüleme • 1 ay önce

经太太同意，把最终的成品视频发上来 大家应该注意到这个视频是动态打码的，打的方块码一会儿大一会儿小。 这也是Astra做的，我就给了一句话 “现在有很多网友想看一下成片。不过视频里主要拍的是我太太和我家小朋友的脸，所以能不能帮忙在 15 分钟多的成片里，把我家人（我太太和小朋友）的脸打上马赛克？如果可以的话就帮忙打一下，行吗？” 虽然最后有一些些瑕疵，但是不认真用力看是看不出来的，已经是可用的状态了。 相信第二句话就可以完美的调好整套流程和代码
15:22

经太太同意，把最终的成品视频发上来 大家应该注意到这个视频是动态打码的，打的方块码一会儿大一会儿小。 这也是Astra做的，我就给了一句话 “现在有很多网友想看一下成片。不过视频里主要拍的是我太太和我家小朋友的脸，所以能不能帮忙在 15 分钟多的成片里，把我家人（我太太和小朋友）的脸打上马赛克？如果可以的话就帮忙打一下，行吗？” 虽然最后有一些些瑕疵，但是不认真用力看是看不出来的，已经是可用的状态了。 相信第二句话就可以完美的调好整套流程和代码

VincentSkywalker

383,083 görüntüleme • 11 gün önce

余华：我来告诉你，现在中国有一个新的产业出出现了，就是把这个官一个腐败的官员把他抓起来以后，肯定会有一些几个或者十多个商人也被牵扯进去。那些商人也会进入那个拘留所了，然后就有人跑到看守所里面去找到这些商人们，说你们把你的资产贱卖给我，就很便宜的价格卖给。比如你是十个亿的话，你只要一个亿卖给我，我保证你立刻出出去。你把协议签完以后，果然发现你已经被释放了。而且这些人是本领大到什么程度，他能够随时把你从监狱里面弄出来，再同时随时把他送回去。所以我后来开始发现，就是在反腐败的过程中，居然创立了这么一个新的一个腐败的产业。但是非常有意思的是，就是那些受牵连的那些商人们被释放出来以后，我见到过其中的几个。我就告诉他们这个社会必须要改变了，不能再这样下去了。他们坚决反对，说社会不能变。他们说这是这个这是很好的社会体制，还是这样下下去，因为什么呢？他们虽然损失了很多个亿，但他们仍然还是有很多个亿。
1:06

余华：我来告诉你，现在中国有一个新的产业出出现了，就是把这个官一个腐败的官员把他抓起来以后，肯定会有一些几个或者十多个商人也被牵扯进去。那些商人也会进入那个拘留所了，然后就有人跑到看守所里面去找到这些商人们，说你们把你的资产贱卖给我，就很便宜的价格卖给。比如你是十个亿的话，你只要一个亿卖给我，我保证你立刻出出去。你把协议签完以后，果然发现你已经被释放了。而且这些人是本领大到什么程度，他能够随时把你从监狱里面弄出来，再同时随时把他送回去。所以我后来开始发现，就是在反腐败的过程中，居然创立了这么一个新的一个腐败的产业。但是非常有意思的是，就是那些受牵连的那些商人们被释放出来以后，我见到过其中的几个。我就告诉他们这个社会必须要改变了，不能再这样下去了。他们坚决反对，说社会不能变。他们说这是这个这是很好的社会体制，还是这样下下去，因为什么呢？他们虽然损失了很多个亿，但他们仍然还是有很多个亿。

Morris

571,092 görüntüleme • 1 yıl önce

OpenAI 的大神 Andrej Karpathy 前几天在他的 YouTube 频道讲了一堂课，系统的介绍了大语言模型，内容深入浅出，非常赞，抽空将它翻译成了双语，由于内容较长，我将分批上传，以下是第一部分精校后的双语视频，字幕文稿如下： Intro: Large Language Model (LLM) talk 大家好。最近，我进行了一场关于大语言模型的 30 分钟入门讲座。遗憾的是，这次讲座没有被录制下来，但许多人在讲座后找到我，他们告诉我非常喜欢那次讲座。因此，我决定重新录制并上传到 YouTube，那么，让我们开始吧，为大家带来“忙碌人士的大语言模型入门”系列，主讲人 Scott。好的，那我们开始吧。 LLM Inference 首先，什么是大语言模型 (Large Language Model) 呢？其实，一个大语言模型就是由两个文件组成的。在这个假设的目录中会有两个文件。 以 Llama 2 70B 模型为例，这是一个由 Meta AI 发布的大语言模型。这是 Llama 系列语言模型的第二代，也是该系列中参数最多的模型，达到了 700 亿。LAMA2 系列包括了多个不同规模的模型，70 亿，130 亿，340 亿，700 亿是最大的一个。 现在很多人喜欢这个模型，因为它可能是目前公开权重最强大的模型。Meta 发布了这款模型的权重、架构和相关论文，所以任何人都可以很轻松地使用这个模型。这与其他一些你可能熟悉的语言模型不同，例如，如果你正在使用 ChatGPT 或类似的东西，其架构并未公开，是 OpenAI 的产权，你只能通过网页界面使用，但你实际上没有访问那个模型的权限。 在这种情况下，Llama 2 70B 模型实际上就是你电脑上的两个文件：一个是存储参数的文件，另一个是运行这些参数的代码。这些参数是神经网络（即语言模型）的权重或参数。我们稍后会详细解释。因为这是一个拥有 700 亿参数的模型，每个参数占用两个字节，因此参数文件的大小为 140 GB，之所以是两个字节，是因为这是 float 16 类型的数据。 除了这些参数，还有一大堆神经网络的参数。你还需要一些能运行神经网络的代码，这些代码被包含在我们所说的运行文件中。这个运行文件可以是 C 语言或 Python，或任何其他编程语言编写的。它可以用任何语言编写，但 C 语言是一种非常简单的语言，只是举个例子。只需大约 500 行 C 语言代码，无需任何其他依赖，就能构建起神经网络架构，并且主要依靠一些参数来运行模型。所以只需要这两个文件。 你只需带上这两个文件和你的 MacBook，就拥有了一个完整的工具包。你不需要连接互联网或其他任何设备。你可以拿着这两个文件，编译你的 C 语言代码。你将得到一个可针对参数运行并与语言模型交互的二进制文件。 比如，你可以让它写一首关于 Scale AI 公司的诗，语言模型就会开始生成文本。在这种情况下，它会按照指示为你创作一首关于 Scale AI 的诗。之所以选用 Scale AI 作为例子，你会在整个演讲中看到，是因为我最初在 Scale AI 举办的活动上介绍过这个话题，所以演讲中会多次提到它，以便内容更具体。这就是我们如何运行模型的方式。只需要两个文件和一台 MacBook。 我在这里稍微有点作弊，因为这并不是在运行一个有 700 亿参数的模型，而是在运行一个有 70 亿参数的模型。一个有 700 亿参数的模型运行速度大约会慢 10 倍。但我想给你们展示一下文本生成的过程，让你们了解它是什么样子。所以运行模型并不需要很多东西。这是一个非常小的程序包，但是当我们需要获取那些参数时，计算的复杂性就真正显现出来了。 那么，这些参数从何而来，我们如何获得它们？因为无论 run.c 文件中的内容是什么，神经网络的架构和前向传播都是算法上明确且公开的。
4:15

OpenAI 的大神 Andrej Karpathy 前几天在他的 YouTube 频道讲了一堂课，系统的介绍了大语言模型，内容深入浅出，非常赞，抽空将它翻译成了双语，由于内容较长，我将分批上传，以下是第一部分精校后的双语视频，字幕文稿如下： Intro: Large Language Model (LLM) talk 大家好。最近，我进行了一场关于大语言模型的 30 分钟入门讲座。遗憾的是，这次讲座没有被录制下来，但许多人在讲座后找到我，他们告诉我非常喜欢那次讲座。因此，我决定重新录制并上传到 YouTube，那么，让我们开始吧，为大家带来“忙碌人士的大语言模型入门”系列，主讲人 Scott。好的，那我们开始吧。 LLM Inference 首先，什么是大语言模型 (Large Language Model) 呢？其实，一个大语言模型就是由两个文件组成的。在这个假设的目录中会有两个文件。 以 Llama 2 70B 模型为例，这是一个由 Meta AI 发布的大语言模型。这是 Llama 系列语言模型的第二代，也是该系列中参数最多的模型，达到了 700 亿。LAMA2 系列包括了多个不同规模的模型，70 亿，130 亿，340 亿，700 亿是最大的一个。 现在很多人喜欢这个模型，因为它可能是目前公开权重最强大的模型。Meta 发布了这款模型的权重、架构和相关论文，所以任何人都可以很轻松地使用这个模型。这与其他一些你可能熟悉的语言模型不同，例如，如果你正在使用 ChatGPT 或类似的东西，其架构并未公开，是 OpenAI 的产权，你只能通过网页界面使用，但你实际上没有访问那个模型的权限。 在这种情况下，Llama 2 70B 模型实际上就是你电脑上的两个文件：一个是存储参数的文件，另一个是运行这些参数的代码。这些参数是神经网络（即语言模型）的权重或参数。我们稍后会详细解释。因为这是一个拥有 700 亿参数的模型，每个参数占用两个字节，因此参数文件的大小为 140 GB，之所以是两个字节，是因为这是 float 16 类型的数据。 除了这些参数，还有一大堆神经网络的参数。你还需要一些能运行神经网络的代码，这些代码被包含在我们所说的运行文件中。这个运行文件可以是 C 语言或 Python，或任何其他编程语言编写的。它可以用任何语言编写，但 C 语言是一种非常简单的语言，只是举个例子。只需大约 500 行 C 语言代码，无需任何其他依赖，就能构建起神经网络架构，并且主要依靠一些参数来运行模型。所以只需要这两个文件。 你只需带上这两个文件和你的 MacBook，就拥有了一个完整的工具包。你不需要连接互联网或其他任何设备。你可以拿着这两个文件，编译你的 C 语言代码。你将得到一个可针对参数运行并与语言模型交互的二进制文件。 比如，你可以让它写一首关于 Scale AI 公司的诗，语言模型就会开始生成文本。在这种情况下，它会按照指示为你创作一首关于 Scale AI 的诗。之所以选用 Scale AI 作为例子，你会在整个演讲中看到，是因为我最初在 Scale AI 举办的活动上介绍过这个话题，所以演讲中会多次提到它，以便内容更具体。这就是我们如何运行模型的方式。只需要两个文件和一台 MacBook。 我在这里稍微有点作弊，因为这并不是在运行一个有 700 亿参数的模型，而是在运行一个有 70 亿参数的模型。一个有 700 亿参数的模型运行速度大约会慢 10 倍。但我想给你们展示一下文本生成的过程，让你们了解它是什么样子。所以运行模型并不需要很多东西。这是一个非常小的程序包，但是当我们需要获取那些参数时，计算的复杂性就真正显现出来了。 那么，这些参数从何而来，我们如何获得它们？因为无论 run.c 文件中的内容是什么，神经网络的架构和前向传播都是算法上明确且公开的。

宝玉

1,124,245 görüntüleme • 2 yıl önce

我回答你下这个问题，这个问题我也给我身边的好朋友多次解答了，详细的你可以看我发的这段语音，在这个市场上必须要找到自己合适的思路，如果找不到合适的思路又想做多，又想做空你最后赚不到一点钱，我的确可以多空双吃，我甚至可以精准的预判到跌到哪里会反弹，我回去抄底开多单，但是我是个空头，我多单拿不住，我大多数的钱都是做空赚的， 我必须在这个市场上一直维持我的空头思维，所以我就算知道要大涨也拿不住，但是如果真的大跌了我可以拿得住，还敢加重仓，这样就会导致我在极端暴跌行情赚大钱，甚至精准的在底部抄底，但是空头思维，我就算做多了，还是会找机会做空，我对我自己已经很满意了，在这个市场上能赚钱就已经知足了，所以我是不会改变我的思维模式，如果我一旦改变我的思维模式，我怕以后我赚不到钱
2:11

我回答你下这个问题，这个问题我也给我身边的好朋友多次解答了，详细的你可以看我发的这段语音，在这个市场上必须要找到自己合适的思路，如果找不到合适的思路又想做多，又想做空你最后赚不到一点钱，我的确可以多空双吃，我甚至可以精准的预判到跌到哪里会反弹，我回去抄底开多单，但是我是个空头，我多单拿不住，我大多数的钱都是做空赚的， 我必须在这个市场上一直维持我的空头思维，所以我就算知道要大涨也拿不住，但是如果真的大跌了我可以拿得住，还敢加重仓，这样就会导致我在极端暴跌行情赚大钱，甚至精准的在底部抄底，但是空头思维，我就算做多了，还是会找机会做空，我对我自己已经很满意了，在这个市场上能赚钱就已经知足了，所以我是不会改变我的思维模式，如果我一旦改变我的思维模式，我怕以后我赚不到钱

凉兮大元帅（白虎已上环已结扎）

265,196 görüntüleme • 1 yıl önce

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。 在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。 这真的很糟糕。 问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。 我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。 我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。 我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。 我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。 虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。 比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。 因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规 模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。 这真是太棒了，对吧？ 因此，我认为开源有多种方式可以对我们有所帮助。 一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。 但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。 来源：
4:08

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。 在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。 这真的很糟糕。 问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。 我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。 我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。 我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。 我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。 虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。 比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。 因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规 模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。 这真是太棒了，对吧？ 因此，我认为开源有多种方式可以对我们有所帮助。 一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。 但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。 来源：

宝玉

74,721 görüntüleme • 2 yıl önce

还好只是个模拟器，但也是很可怕了，因模拟器给出的测量车速真是…………这女的连正常驾驶常识和交规都无视，就主打一个只要我爽其他就是空气不存在的。所以这货没有真上路，真的是好事。
0:20

还好只是个模拟器，但也是很可怕了，因模拟器给出的测量车速真是…………这女的连正常驾驶常识和交规都无视，就主打一个只要我爽其他就是空气不存在的。所以这货没有真上路，真的是好事。

颜克权

21,377 görüntüleme • 5 ay önce

大家好，这是我第4个fine-tuning的模型版本，以特朗普在达沃斯论坛的发言为主题做了重要播报 这个版本模型更新如下： 1：新增年轻美丽的CuiMao记者lora模型 2：新增CMTV片头节目包装 3：优化TTS效果播音员情感训练输出结果更加稳定 此次CuiMao同志模型的加入意味着CMTV完成了布局的最后一块拼图，下一个版本就是正式版，谢谢大家的支持。
2:19

大家好，这是我第4个fine-tuning的模型版本，以特朗普在达沃斯论坛的发言为主题做了重要播报 这个版本模型更新如下： 1：新增年轻美丽的CuiMao记者lora模型 2：新增CMTV片头节目包装 3：优化TTS效果播音员情感训练输出结果更加稳定 此次CuiMao同志模型的加入意味着CMTV完成了布局的最后一块拼图，下一个版本就是正式版，谢谢大家的支持。

CuiMao

86,338 görüntüleme • 8 ay önce

老杨今天再分享一个抖音短视频带货中腰部的案例 男女都可以做，但是大部分都是女生做的最多， 这种玩法在带货圈叫-实拍 这种算是实力大佬啦，基本上收到的样品可以按卡车来拖，有可能商家帮投流啦； 先看数据： 1、橱窗带货612万件； 2、LV5达人 粉丝12.36万 3、巨量百应数据：近30天的数据：25-50万单，商品结算金额500-750万 4、从巨量达人数据看有5-26%，我们取最保守8%来算；结算金额按600万来算：是不是30天能拿48万。 5、去看她的号，发了3900多条视频，前期每天日更10条。 你肯定会问，一天10条这怎么可能拍的出来？ 1、这种拍的多了，一个镜头可以拍20-30张，产品的使用过程可以拍很多镜头，这样还能重复使用，一个品可以每隔几天重复发，这样积少成多，素材就有了，就可以随时套模版。 2、时间拍久了，有的视频基本上是一条过，都不用剪， 3、还有一些，他们都会请人剪辑视频，请人拍， 4、再有一些直接卖素材，有包月的，也有拼素材的，一个产品20个人拼，每个产品都明30-50个镜头，够大家分别做视频了，所以你会刷到很多视频场景一样，镜头切片不一样。 现在还能不能干： 1、能，反正不用出镜，可以买素材试一下包月素材也才150-300左右；够你每天发3-5个视频， 2、买素材有一个不好的地方就是你不能自主选品，别人给你拍什么你就发什么，有局限性，但是基本上人家都是拍的爆品。 3、如果你要自主选品的话，我的建议就是打垂直类目，比如卖纸，哪你就可以买3-5种纸，天天不重新去拍，每天发，这样的试错成本和成功的机率要大一些，你可以买样品拍； 4、但是这样拍的话你就要自己搭建拍影场景，场景和灯光差不多要1000左右，除非你家有现成的场景可以用。 总结：如果要玩，可以买多几家素材，只买3-5种同类产品的这样反复打，机会还是有的， 视频怎么做，照着别人1：1仿着做个10次机会上就可以了会了，
0:32

老杨今天再分享一个抖音短视频带货中腰部的案例 男女都可以做，但是大部分都是女生做的最多， 这种玩法在带货圈叫-实拍 这种算是实力大佬啦，基本上收到的样品可以按卡车来拖，有可能商家帮投流啦； 先看数据： 1、橱窗带货612万件； 2、LV5达人 粉丝12.36万 3、巨量百应数据：近30天的数据：25-50万单，商品结算金额500-750万 4、从巨量达人数据看有5-26%，我们取最保守8%来算；结算金额按600万来算：是不是30天能拿48万。 5、去看她的号，发了3900多条视频，前期每天日更10条。 你肯定会问，一天10条这怎么可能拍的出来？ 1、这种拍的多了，一个镜头可以拍20-30张，产品的使用过程可以拍很多镜头，这样还能重复使用，一个品可以每隔几天重复发，这样积少成多，素材就有了，就可以随时套模版。 2、时间拍久了，有的视频基本上是一条过，都不用剪， 3、还有一些，他们都会请人剪辑视频，请人拍， 4、再有一些直接卖素材，有包月的，也有拼素材的，一个产品20个人拼，每个产品都明30-50个镜头，够大家分别做视频了，所以你会刷到很多视频场景一样，镜头切片不一样。 现在还能不能干： 1、能，反正不用出镜，可以买素材试一下包月素材也才150-300左右；够你每天发3-5个视频， 2、买素材有一个不好的地方就是你不能自主选品，别人给你拍什么你就发什么，有局限性，但是基本上人家都是拍的爆品。 3、如果你要自主选品的话，我的建议就是打垂直类目，比如卖纸，哪你就可以买3-5种纸，天天不重新去拍，每天发，这样的试错成本和成功的机率要大一些，你可以买样品拍； 4、但是这样拍的话你就要自己搭建拍影场景，场景和灯光差不多要1000左右，除非你家有现成的场景可以用。 总结：如果要玩，可以买多几家素材，只买3-5种同类产品的这样反复打，机会还是有的， 视频怎么做，照着别人1：1仿着做个10次机会上就可以了会了，

老杨啊 | AI产品商业化

41,352 görüntüleme • 5 ay önce

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.
1:06

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.

karminski-牙医

19,836 görüntüleme • 8 ay önce

北京时间今天中午12点就要发布Grok3了。马斯克说这个模型是最强的模型，没有之一。是骡子是马，再过几个小时就揭晓了，好期待。Grok3发布的一些背景信息，我拍成了视频，欢迎观看。
2:47

北京时间今天中午12点就要发布Grok3了。马斯克说这个模型是最强的模型，没有之一。是骡子是马，再过几个小时就揭晓了，好期待。Grok3发布的一些背景信息，我拍成了视频，欢迎观看。

Ben X

51,766 görüntüleme • 1 yıl önce

今天看到一个新闻说加拿大一个初创企业Taalas把AI模型直接刻在芯片里，这种物理焊死设计让大模型的输出变得非常快，但缺点就是芯片固定无法更新。这让我突然找到了一个词来形容对谷爱凌那种说不出的违和感——芯片人或算法人，当然这个算法人并不是指“困在系统里的外卖骑手”，而是无时无刻不在计算或算计的人。 她回复快得像是复制粘贴的，像一个调得无比精准的离线大模型，以至于最近提到亲人的去世都让很多人怀疑是在表演。但真实的人是不完美的，会有非常多的bug，行为和表达也是无法预估的，而芯片/算法人才会让人挑不出毛病...尤其当看到抖音评论区有人说谷爱凌就是一种完美的基因/文化组合的时候，只会让人觉得恐怖。甚至会怀疑，她到底是一个活生生的人，还是一个被精心调优过的产品？
1:12

今天看到一个新闻说加拿大一个初创企业Taalas把AI模型直接刻在芯片里，这种物理焊死设计让大模型的输出变得非常快，但缺点就是芯片固定无法更新。这让我突然找到了一个词来形容对谷爱凌那种说不出的违和感——芯片人或算法人，当然这个算法人并不是指“困在系统里的外卖骑手”，而是无时无刻不在计算或算计的人。 她回复快得像是复制粘贴的，像一个调得无比精准的离线大模型，以至于最近提到亲人的去世都让很多人怀疑是在表演。但真实的人是不完美的，会有非常多的bug，行为和表达也是无法预估的，而芯片/算法人才会让人挑不出毛病...尤其当看到抖音评论区有人说谷爱凌就是一种完美的基因/文化组合的时候，只会让人觉得恐怖。甚至会怀疑，她到底是一个活生生的人，还是一个被精心调优过的产品？

TuTu生活志

46,265 görüntüleme • 6 ay önce

樊登：我所学的心理学知识里，哪一个最有用？我就认为是认知失调 认知失调是费斯汀格发现的，这是哈佛大学一位传奇式的心理学家。什么叫认知失调呢，伊索寓言里面讲，狐狸吃不到葡萄说葡萄酸，这就是最典型的关于认知失调的隐喻，因为我们的内心无法接受失调，我想吃葡萄，但是我吃不到，我很难受，这就叫失调了。 失调了以后，我怎么解决这个认知失调呢，有一种办法是我去努力的吃到这个葡萄，但是这很难，所以更简单办法是，我说它是酸的，这就是解决认知失调。 认知失调最有名的一个实验是费斯汀格做的，他卧底在一个邪教组织里，那个邪教组织宣称，新年的这一天，地球要毁灭了，外星人会来拯救他们整个教派，让所有人把财产全捐了，捐完了以后，因为地球要毁灭了，大家都在祈祷，等着这个外星人来拯救，所以费斯汀格也坐在里面等。等到午夜过后，地球也没有毁灭，他觉得很尴尬，他觉得这个教主就要完蛋了，教主应该出来跟大家道歉，结果没想到，所有的这些被骗的受众依然拥戴教主，他们说，因为教主跟外星人做了沟通，现在外星人放过了整个地球，这就是解决认知失调，因为他已经相信了这个教主是一个神人，所以维护自己以往投资在这个教主身上的信任，他会编出另外一个理由，来证明这个教主没错。 你们有没有见过很多老年人被骗，被骗了很多钱以后，坚定的相信他没有被骗，就是子女再怎么劝他，说那是骗子，你不要再给他钱，老人就不信，他会想尽一切办法告诉孩子，那个人是个好人，这就是认知失调，因为他更不愿意接受自己被骗这个事情。 所以人为了解决认知失调会付出巨大的代价，那你说这个东西有多大的意义呢，这个意义实在是太大了，你就比如说，我为什么告诉大家你不要逼着孩子学习，当你逼着孩子学习的时候，孩子永远没有机会认识到他是爱学习的，而只有你不管他，他还能拿起了书本去读，拿起了作业去写，他才知道自己是爱学习的，这就是认知失调在积极正面事情上的应用。 比如说，王阳明、曾国藩他们为什么能够做事做的很好呢，叫“制心一处”，“制心一处”什么意思，就是我不花力气去解决我的认知失调，而是把关注点放在当下，努力做我此刻所能做的事。所以我基本做事的方法就是永远做可以改变的东西，而不是去让自己的内心平衡，这就是认知失调在生活中的应用。
2:56

樊登：我所学的心理学知识里，哪一个最有用？我就认为是认知失调 认知失调是费斯汀格发现的，这是哈佛大学一位传奇式的心理学家。什么叫认知失调呢，伊索寓言里面讲，狐狸吃不到葡萄说葡萄酸，这就是最典型的关于认知失调的隐喻，因为我们的内心无法接受失调，我想吃葡萄，但是我吃不到，我很难受，这就叫失调了。 失调了以后，我怎么解决这个认知失调呢，有一种办法是我去努力的吃到这个葡萄，但是这很难，所以更简单办法是，我说它是酸的，这就是解决认知失调。 认知失调最有名的一个实验是费斯汀格做的，他卧底在一个邪教组织里，那个邪教组织宣称，新年的这一天，地球要毁灭了，外星人会来拯救他们整个教派，让所有人把财产全捐了，捐完了以后，因为地球要毁灭了，大家都在祈祷，等着这个外星人来拯救，所以费斯汀格也坐在里面等。等到午夜过后，地球也没有毁灭，他觉得很尴尬，他觉得这个教主就要完蛋了，教主应该出来跟大家道歉，结果没想到，所有的这些被骗的受众依然拥戴教主，他们说，因为教主跟外星人做了沟通，现在外星人放过了整个地球，这就是解决认知失调，因为他已经相信了这个教主是一个神人，所以维护自己以往投资在这个教主身上的信任，他会编出另外一个理由，来证明这个教主没错。 你们有没有见过很多老年人被骗，被骗了很多钱以后，坚定的相信他没有被骗，就是子女再怎么劝他，说那是骗子，你不要再给他钱，老人就不信，他会想尽一切办法告诉孩子，那个人是个好人，这就是认知失调，因为他更不愿意接受自己被骗这个事情。 所以人为了解决认知失调会付出巨大的代价，那你说这个东西有多大的意义呢，这个意义实在是太大了，你就比如说，我为什么告诉大家你不要逼着孩子学习，当你逼着孩子学习的时候，孩子永远没有机会认识到他是爱学习的，而只有你不管他，他还能拿起了书本去读，拿起了作业去写，他才知道自己是爱学习的，这就是认知失调在积极正面事情上的应用。 比如说，王阳明、曾国藩他们为什么能够做事做的很好呢，叫“制心一处”，“制心一处”什么意思，就是我不花力气去解决我的认知失调，而是把关注点放在当下，努力做我此刻所能做的事。所以我基本做事的方法就是永远做可以改变的东西，而不是去让自己的内心平衡，这就是认知失调在生活中的应用。

来来往往

15,631 görüntüleme • 6 ay önce

前端设计这一块谷歌是真没问题！我用Gemini 3.5 Flash做了个3D飞机模型展览，太帅了呀！ ​ 制作方法：​ 1.GPT2-image生生成正视图、背视图、左视图和右视图 2.3D模型生成​，注意需要用纹理 3.UI预览图生成​，调用Codex内置GPT2-image即可 4.用Gemini 3.5 Flash生成网站​ ​ 生成网站这一步在Google AI Studio上传不了3D模型的glb文件，所以就必须要调API在本地做个网站了。 我是在Zenmux调用的，大家应该对Zenmux也不陌生，就是那个一有新模型就免费给大家玩的网站。​ ​ 它提供一个KEY调用所有顶级大模型的功能，不仅可以用Gemini 3.5 Flash绘制前端，如果有小BUG，还可以再切换到GPT5.5或Oplu4.7进行修复，使用非常丝滑！​ ​ 想先免费试一试下 Gemini 3.5 Flash的能力？ 壕气冲天的Zenmux现在直接免费送一周TOKEN（有限额）！ 传送门直达：
0:41

前端设计这一块谷歌是真没问题！我用Gemini 3.5 Flash做了个3D飞机模型展览，太帅了呀！ ​ 制作方法：​ 1.GPT2-image生生成正视图、背视图、左视图和右视图 2.3D模型生成​，注意需要用纹理 3.UI预览图生成​，调用Codex内置GPT2-image即可 4.用Gemini 3.5 Flash生成网站​ ​ 生成网站这一步在Google AI Studio上传不了3D模型的glb文件，所以就必须要调API在本地做个网站了。 我是在Zenmux调用的，大家应该对Zenmux也不陌生，就是那个一有新模型就免费给大家玩的网站。​ ​ 它提供一个KEY调用所有顶级大模型的功能，不仅可以用Gemini 3.5 Flash绘制前端，如果有小BUG，还可以再切换到GPT5.5或Oplu4.7进行修复，使用非常丝滑！​ ​ 想先免费试一试下 Gemini 3.5 Flash的能力？ 壕气冲天的Zenmux现在直接免费送一周TOKEN（有限额）！ 传送门直达：

逸尘

43,295 görüntüleme • 4 ay önce

如何让小型语言模型高效工作。Yejin Choi在2024年数据与AI峰会上发表演讲（双语字幕） 演讲者：Yejin Choi，华盛顿大学教授、麦克阿瑟奖学金获得者，同时也是AI2常识AI的高级研究主任 这个演讲是将如何优化小模型的，他们训练了一个 0.5B 参数的小模型做文档摘要任务，超过了GPT-3.5。 按照演讲者的结论：AI 的性能，至少在目前的形态下，取决于它的训练数据。因此，过去和现在的 AI 主要依赖于人类生成的数据，但未来可能会依赖于 AI 生成的数据。很多可能担心合成数据质量不高，可能存在偏见，但是，越来越多的证据表明，这种方法是有效的。 例如，使用 Meta 的 SAM（Segment Anything）进行图像分割就是 AI 合成图像分割注释的一个例子。虽然有人类的验证帮助，但是单靠人类无法对如此多的图像样本进行注释。这是另一个例子。Microsoft 的论文"Textbooks are all you need"是另一个例证。当你有真正高质量的数据，例如教科书级别的数据，经过合成，你实际上可以在许多、许多不同的任务中与规模更大的对手竞争。可能在某些方面，它并不像大型模型那样具有广泛的适用性，但这对于满足许多商业需求来说是非常出色的。你可能不需要通才，你可能需要专家。 此外，"Textbooks are all you need"论文的观点也证明了，数据质量是最重要的。这并不仅仅关乎数量，更在于质量。DALL-3 就是一个很好的例子。为什么它会突然之间超越了 DALL-E 2 呢？很大程度上是因为它有更好的图像标注。但是，究竟是哪些更好的图像标注呢？在此之前，我们使用了所有好的图像标注。他们将这些图像标注进行了合成。这就是我们获得高质量数据的方式。 所以，AI 的质量更关乎数据的质量、新颖性和多样性，而不仅仅是数量。 * 引言 好的。我来这里要跟你们分享一些看似不可能实现的可能性。 * 介绍 去年，当有人问 Sam Altman 如何让印度的创业公司为印度创建基础模型时，他的回答是，不用费那个劲了。这根本没希望。 哇。首先，我希望印度的创业公司不会轻易放弃。其次，这种对话可能会在任何地方发生。无论是在美国的任何一所大学，或是创业公司，或是研究机构，他们都可能面临没有足够计算能力的问题。 所以，这就引出了我们要讨论的问题：不可能的提炼。如何以环保的方式训练出你的小型语言模型，使其效果堪比真实模型。 * 当前的方法与挑战 目前我们听到的最佳做法是大规模的预训练，紧接着进行大规模的后训练，例如 RLHF。如果我告诉你我打算从 GPT-2 开始，那个不被大众关注的小型、低质量模型，我也不知道为什么，但以某种方式，我们将创造或提炼出一个高质量的小型模型，然后与可能大两个数量级的更强大的模型竞争。这听起来应该很不可能，尤其是当你可能听说过一篇论文，标题是《模仿大型语言模型的虚假希望》。 虽然他们所报告的对于他们进行的特定评估实验来说是真实的，但请不要过分泛化，认为所有的小型语言模型都无法媲美大型模型。因为还有许多其他反例证明特定于任务的符号知识精馏可以奏效在许多不同的任务和领域中其中一些来自我的实验室。 然而今天，我只想关注一个任务即如何学习语言中的抽象。为了简化这个任务，我们从句子摘要开始这是我们的第一个不可能的任务。 * 任务一：句子摘要 目标是在没有极端规模的预训练、没有大规模的 RLHF、以及没有大规模的有监督数据集的情况下实现这一目标。这些东西并不总是必要的。但等一下，我们必须使用通常是所有三个，至少是其中一部分。 但如果没有这些，我们如何能和更大的模型一较高下呢？关键的直觉是当前的 AI 能做得多好取决于它所接受的训练数据。我们必须有某种优势。我们不能没有任何优势，所以那个优势将来自数据。顺便说一下，我们必须合成数据，因为如果数据已经存在于互联网上某处 OpenAI 已经对其进行了爬取，那就不是你的优势了，他们也有，所以你必须创造出一些真正新颖的东西，比现有的东西更好。 通常，精馏是从大型模型开始的，但我们将丢弃它，以向你展示我们可能对隐藏的可能性视而不见。所以我现在就开始示范。从 GPT-2 开始，那个质量很差的模型。然后我将进行一些创新，我马上就会概述，制作出高质量的数据集，然后可以用来训练小模型，这个模型将成为执行特定任务的强大模型。 但问题是，GPT-2 甚至无法理解你的提示词。你无法利用 GPT-2 进行提示词工程。你让它总结你的句子，它生成的一些输出，完全没有任何意义。所以你再试一次，因为它的输出通常有随机性。你可以生成很多不同的例子，比如几百个例子，我们发现它的表现几乎总是不好，像好的不到 0.1%。 * 解决方法与进展 但是有志者事竟成。所以我们想出了许多不同的办法。这其中包括我们的神经解码。这是一种即时推理算法，可以将任何逻辑约束加入到你的语言模型输出中。对于任何现成的模型，我们都可以使用这个来引导输出的语义空间。 但是因为 GPT-2 太糟糕了，即使使用了这个，成功率也只有 1%。但这比零要好。现在我们已经有了进展。因为如果你生成大量的样本，然后进行筛选，你实际上可以这样得到一些好的例子。然后，聪明的学生们提出了许多不同的想法。 我就不详述技术细节了，但我们找到了一些方法。为了能更容易找到好的例子，我们需要将成功的概率提高到 10% 以上。总体的流程是这样的：首先，从一个质量较差的教师模型开始，生成大量的数据点。然后，由于数据中存在大量的噪声，需要进行严格的过滤。 我们使用了一个三层过滤系统。虽然细节并不重要，但我要强调其中的第一个，即 Intel Monte 过滤器，它基于现成的 Intel Monte 分类器，能判断一个摘要是否能从原文中逻辑推断出来。这个模型并不完美，可能只有 70% 到 80% 的准确度。但是，当你大力使用它来过滤数据时，它的表现已经足够好了。 然后，我们使用这些数据来训练一个更小的模型，这个模型可以成为下一代学生的教师模型。我们重复了这个过程几次，最终得到了高质量的 DIMM sum 数据和高质量的模型。 在与那时最好的模型 GPT-3 进行对比时，那时，GPT-3 是最好的摘要模型。但当 ChatGPT 问世后，我们成功地超过了 GPT-3，人们似乎不再关心其他的，因为 ChatGPT 能做任何事情，包括摘要，所以我们为什么还要费心呢？ * 任务二：文档摘要 接下来是我们的“不可能完成的任务 2”。我们现在将与 ChatGPT 3.5 展开竞争。并且，要让我们的挑战更具难度——我们现在要总结的是整个文档，而不仅仅是句子。然后，我们还要做到以上所有这些而不依赖于那个现成的蕴含分类器。 我的意思是，实际上你可以这么做，就像从学术角度来看，我们想看看我们能在多大程度上打破关于规模的普遍假设。因此，我们在 InfoSumm 的新工作是一种基于信息理论的蒸馏方法其中关键的想法是我们将不再使用那个现成的 Imitating Humans LLM。我们将使用一些公式，这个公式其实只有三行，包括一些你可以用现成的语言模型来计算的条件概率得分。 * 实验与成果 现在时间还早，所以我们不深入讨论这些公式的细节。但我可以大体上告诉你，如果你把这些公式重新排列一下，你可以将此理解为点对点互信息的特例。你可以用它来过滤你的数据。因此，我们使用的是和之前相同的整体框架。我们现在使用 PTHEA 2.8 亿参数模型，因为我们觉得它比 GPT-2 稍好一些。 至于过滤，我们现在使用的是我之前向你们展示过的那三个简短的公式。然后我们就做同样的事情。这一次，我们让模型变得更小，只有 5 亿参数模型。这带来了高质量的文档摘要数据集，以及模型。 那么我们的表现如何呢？正如我们所承诺的，至少在这个任务上，我们的表现能与 ChatGPT-3.5 媲美，或者，根据评测的设定和标准，我们的表现甚至有所超越。你可以在我们的论文中找到更多的细节。 * 任务三：学习抽象思考 总的来说，我展示了我们如何学习文档摘要，即使不依赖于大规模预训练模型和其他大规模资源。然而，这两篇论文背后的真正研究问题是，我们如何学习进行抽象思考。 因为现在的做法就是让模型尽可能地大。越大越好。但是我们人类，无法像模型那样记住所有的上下文，比如一百万个 Token。没有人能记住上下文中的一百万个 Token。你会立刻抽象出我刚才告诉你的所有事情。但是你仍然记得我到目前为止说的所有话。这就是人类的惊人智能，我们还不知道如何通过 AI 模型有效地实现这一点。我相信这是可能的。我们只是还没有尽力去探索，因为我们被大规模的迷惑了。 * 任务四：Infini-gram 好的。那么，Infini-gram 就是我们面临的第三个挑战。稍微转换一下话题，现在的任务是让经典的统计 N-gram 语言模型在神经语言模型中发挥一定的作用。你们中有多少人还在讨论 n-gram 模型呢？我也不清楚。你们现在还在学习这个吗？ 这里我们设定 n 等于无穷大。我们将在数万亿的 token 上完成这个计算，反应时间必须非常快，而且我们甚至不需要使用一颗 GPU。哇！我来告诉你们这有多么困难。假设，如果你要在一个经典的 n-gram 语言模型中索引 5 万亿个 token，且 n 无限大，那么你大概需要处理 2 千万亿个唯一的 n-gram 序列。你需要枚举，排序，计数，存储一些错误，这可能需要占用大约 32 太字节的硬盘空间，甚至更多。我们又怎么知道 呢？但这个数据量实在太大了。我们无法处理。 如果你看看其他人建立的大规模经典 N-gram 模型，那就是 Google。在 2007 年，由 Jeff Dean 和其他人带领的团队，他们只处理了 2 万亿个 token——我的意思是，对于那个时代来说，这已经是很大的数量了。他们使用的是五元 n-gram，这就产生了大约 3000 亿个不同的 n-gram 序列，这些序列他们都需要进行枚举、排序、计数等操作。这个数量实在是太庞大了。大家其实并没有进一步增加这个数量。那么，我们到底是如何做到将这个数量无限扩大的呢？ 在我解释我们如何做到这一点之前，如果你感兴趣的话，我邀请你去查看这个在线演示。 token。这里有一个例子，它是一个 48 个字符的词。我不明白为什么这个词会存在。但是如果你去搜索它，你会发现它不仅存在，而且还有超过 3000 个实例。这个搜索过程耗时 5.5 毫秒。此外，它还会向你展示如何对这个长词进行分词。你也可以试试搜索多个词，看看下一个可能出现的词是什么。比如，"行动胜过语言"，那么接下来可能是什么词呢？该网站会向你展示可能出现的下一个词。而且，这个过程非常快速。 * 解决方法与进展 那么，我们是如何做到这一切的呢？你可能会惊讶地发现，我们的方法其实非常简单。有一种叫做后缀数组的数据结构，可能并不是所有的算法课程都会教授，但是有一些课程会教授。这是一种我们非常小心地实施的数据结构。所以我们用后缀数组索引整个网络语料库。事实上，我们并没有预先计算这些 n-gram 的统计数据。我们只是预先准备好这个数据结构。当你进行特定的查询时，我们会实时计算。多亏了这个数据结构——我们可以做得非常快，尤其是在使用 C++ 实现的情况下。我知道现在 AI 研究中，C++ 可能不是大家首选的语言，但实际上，使用 C++ 会让程序运行得更快。 这样做的成本有多低呢？其实我们只花了几百美元就索引了全部内容，而且，为 API 服务的成本也相当低。即便没有 GPU，它的速度也非常快。不同类型的 API 调用的延迟只有几十毫秒。你可以利用这个做很多事情。我现在可以分享的一点是，你可以用我们的 Infinigram 插值你的神经语言模型，降低困惑度，这是常用于评估语言模型质量的指标。我认为这只是我们能做的事情的冰山一角。实际上，我还在研究一些我希望能分享，但现在还不能告诉你们的东西。 不过我们已经开始提供这些 API 端点。从几周前开始计数，到现在我们已经提供了 6000 万次 API 调用，这还不包括我们自己的使用。我非常想知道人们是如何使用我们的 InfiniGram 的。 * 总结 总结一下，我的演讲主要是说，AI 的性能，至少在目前的形态下，取决于它的训练数据。因此，过去和现在的 AI 主要依赖于人类生成的数据，但未来可能会依赖于 AI 生成的数据。我知道人们对此有很多担忧，可能担心质量不高，可能存在偏见。因此，你不能以普通的方式来进行这项工作。你应该以更有创新性的方式来进行。但是，越来越多的证据表明，这种方法是有效的。 例如，使用 Meta 的 SAM（Segment Anything）进行图像分割就是 AI 合成图像分割注释的一个例子。虽然有人类的验证帮助，但是单靠人类无法对如此多的图像样本进行注释。这是另一个例子。Microsoft 的论文"Textbooks are all you need"是另一个例证。当你有真正高质量的数据，例如教科书级别的数据，经过合成，你实际上可以在许多、许多不同的任务中与规模更大的对手竞争。可能在某些方面，它并不像大型模型那样具有广泛的适用性，但这对于满足许多商业需求来说是非常出色的。你可能不需要通才，你可能需要专家。 此外，"Textbooks are all you need"也意味着，质量是最重要的。这并不仅仅关乎数量，更在于质量。DALL-3 就是一个很好的例子。为什么它会突然之间超越了 DALL-E 2 呢？很大程度上是因为它有更好的图像标注。但是，究竟是哪些更好的图像标注呢？在此之前，我们使用了所有好的图像标注。他们将这些图像标注进行了合成。这就是我们获得高质量数据的方式。当然，你需要小心翼翼地进行，但是有越来越多的任务特定符号知识蒸馏的例子，包括我自己实验室的工作，都证明了这是可行的。这真的可以让小模型发挥出惊人的潜力。 所以，这更关乎数据的质量、新颖性和多样性，而不仅仅是数量。 我就在这里结束我的演讲。谢谢。 视频来源：
17:51

如何让小型语言模型高效工作。Yejin Choi在2024年数据与AI峰会上发表演讲（双语字幕） 演讲者：Yejin Choi，华盛顿大学教授、麦克阿瑟奖学金获得者，同时也是AI2常识AI的高级研究主任 这个演讲是将如何优化小模型的，他们训练了一个 0.5B 参数的小模型做文档摘要任务，超过了GPT-3.5。 按照演讲者的结论：AI 的性能，至少在目前的形态下，取决于它的训练数据。因此，过去和现在的 AI 主要依赖于人类生成的数据，但未来可能会依赖于 AI 生成的数据。很多可能担心合成数据质量不高，可能存在偏见，但是，越来越多的证据表明，这种方法是有效的。 例如，使用 Meta 的 SAM（Segment Anything）进行图像分割就是 AI 合成图像分割注释的一个例子。虽然有人类的验证帮助，但是单靠人类无法对如此多的图像样本进行注释。这是另一个例子。Microsoft 的论文"Textbooks are all you need"是另一个例证。当你有真正高质量的数据，例如教科书级别的数据，经过合成，你实际上可以在许多、许多不同的任务中与规模更大的对手竞争。可能在某些方面，它并不像大型模型那样具有广泛的适用性，但这对于满足许多商业需求来说是非常出色的。你可能不需要通才，你可能需要专家。 此外，"Textbooks are all you need"论文的观点也证明了，数据质量是最重要的。这并不仅仅关乎数量，更在于质量。DALL-3 就是一个很好的例子。为什么它会突然之间超越了 DALL-E 2 呢？很大程度上是因为它有更好的图像标注。但是，究竟是哪些更好的图像标注呢？在此之前，我们使用了所有好的图像标注。他们将这些图像标注进行了合成。这就是我们获得高质量数据的方式。 所以，AI 的质量更关乎数据的质量、新颖性和多样性，而不仅仅是数量。 * 引言 好的。我来这里要跟你们分享一些看似不可能实现的可能性。 * 介绍 去年，当有人问 Sam Altman 如何让印度的创业公司为印度创建基础模型时，他的回答是，不用费那个劲了。这根本没希望。 哇。首先，我希望印度的创业公司不会轻易放弃。其次，这种对话可能会在任何地方发生。无论是在美国的任何一所大学，或是创业公司，或是研究机构，他们都可能面临没有足够计算能力的问题。 所以，这就引出了我们要讨论的问题：不可能的提炼。如何以环保的方式训练出你的小型语言模型，使其效果堪比真实模型。 * 当前的方法与挑战 目前我们听到的最佳做法是大规模的预训练，紧接着进行大规模的后训练，例如 RLHF。如果我告诉你我打算从 GPT-2 开始，那个不被大众关注的小型、低质量模型，我也不知道为什么，但以某种方式，我们将创造或提炼出一个高质量的小型模型，然后与可能大两个数量级的更强大的模型竞争。这听起来应该很不可能，尤其是当你可能听说过一篇论文，标题是《模仿大型语言模型的虚假希望》。 虽然他们所报告的对于他们进行的特定评估实验来说是真实的，但请不要过分泛化，认为所有的小型语言模型都无法媲美大型模型。因为还有许多其他反例证明特定于任务的符号知识精馏可以奏效在许多不同的任务和领域中其中一些来自我的实验室。 然而今天，我只想关注一个任务即如何学习语言中的抽象。为了简化这个任务，我们从句子摘要开始这是我们的第一个不可能的任务。 * 任务一：句子摘要 目标是在没有极端规模的预训练、没有大规模的 RLHF、以及没有大规模的有监督数据集的情况下实现这一目标。这些东西并不总是必要的。但等一下，我们必须使用通常是所有三个，至少是其中一部分。 但如果没有这些，我们如何能和更大的模型一较高下呢？关键的直觉是当前的 AI 能做得多好取决于它所接受的训练数据。我们必须有某种优势。我们不能没有任何优势，所以那个优势将来自数据。顺便说一下，我们必须合成数据，因为如果数据已经存在于互联网上某处 OpenAI 已经对其进行了爬取，那就不是你的优势了，他们也有，所以你必须创造出一些真正新颖的东西，比现有的东西更好。 通常，精馏是从大型模型开始的，但我们将丢弃它，以向你展示我们可能对隐藏的可能性视而不见。所以我现在就开始示范。从 GPT-2 开始，那个质量很差的模型。然后我将进行一些创新，我马上就会概述，制作出高质量的数据集，然后可以用来训练小模型，这个模型将成为执行特定任务的强大模型。 但问题是，GPT-2 甚至无法理解你的提示词。你无法利用 GPT-2 进行提示词工程。你让它总结你的句子，它生成的一些输出，完全没有任何意义。所以你再试一次，因为它的输出通常有随机性。你可以生成很多不同的例子，比如几百个例子，我们发现它的表现几乎总是不好，像好的不到 0.1%。 * 解决方法与进展 但是有志者事竟成。所以我们想出了许多不同的办法。这其中包括我们的神经解码。这是一种即时推理算法，可以将任何逻辑约束加入到你的语言模型输出中。对于任何现成的模型，我们都可以使用这个来引导输出的语义空间。 但是因为 GPT-2 太糟糕了，即使使用了这个，成功率也只有 1%。但这比零要好。现在我们已经有了进展。因为如果你生成大量的样本，然后进行筛选，你实际上可以这样得到一些好的例子。然后，聪明的学生们提出了许多不同的想法。 我就不详述技术细节了，但我们找到了一些方法。为了能更容易找到好的例子，我们需要将成功的概率提高到 10% 以上。总体的流程是这样的：首先，从一个质量较差的教师模型开始，生成大量的数据点。然后，由于数据中存在大量的噪声，需要进行严格的过滤。 我们使用了一个三层过滤系统。虽然细节并不重要，但我要强调其中的第一个，即 Intel Monte 过滤器，它基于现成的 Intel Monte 分类器，能判断一个摘要是否能从原文中逻辑推断出来。这个模型并不完美，可能只有 70% 到 80% 的准确度。但是，当你大力使用它来过滤数据时，它的表现已经足够好了。 然后，我们使用这些数据来训练一个更小的模型，这个模型可以成为下一代学生的教师模型。我们重复了这个过程几次，最终得到了高质量的 DIMM sum 数据和高质量的模型。 在与那时最好的模型 GPT-3 进行对比时，那时，GPT-3 是最好的摘要模型。但当 ChatGPT 问世后，我们成功地超过了 GPT-3，人们似乎不再关心其他的，因为 ChatGPT 能做任何事情，包括摘要，所以我们为什么还要费心呢？ * 任务二：文档摘要 接下来是我们的“不可能完成的任务 2”。我们现在将与 ChatGPT 3.5 展开竞争。并且，要让我们的挑战更具难度——我们现在要总结的是整个文档，而不仅仅是句子。然后，我们还要做到以上所有这些而不依赖于那个现成的蕴含分类器。 我的意思是，实际上你可以这么做，就像从学术角度来看，我们想看看我们能在多大程度上打破关于规模的普遍假设。因此，我们在 InfoSumm 的新工作是一种基于信息理论的蒸馏方法其中关键的想法是我们将不再使用那个现成的 Imitating Humans LLM。我们将使用一些公式，这个公式其实只有三行，包括一些你可以用现成的语言模型来计算的条件概率得分。 * 实验与成果 现在时间还早，所以我们不深入讨论这些公式的细节。但我可以大体上告诉你，如果你把这些公式重新排列一下，你可以将此理解为点对点互信息的特例。你可以用它来过滤你的数据。因此，我们使用的是和之前相同的整体框架。我们现在使用 PTHEA 2.8 亿参数模型，因为我们觉得它比 GPT-2 稍好一些。 至于过滤，我们现在使用的是我之前向你们展示过的那三个简短的公式。然后我们就做同样的事情。这一次，我们让模型变得更小，只有 5 亿参数模型。这带来了高质量的文档摘要数据集，以及模型。 那么我们的表现如何呢？正如我们所承诺的，至少在这个任务上，我们的表现能与 ChatGPT-3.5 媲美，或者，根据评测的设定和标准，我们的表现甚至有所超越。你可以在我们的论文中找到更多的细节。 * 任务三：学习抽象思考 总的来说，我展示了我们如何学习文档摘要，即使不依赖于大规模预训练模型和其他大规模资源。然而，这两篇论文背后的真正研究问题是，我们如何学习进行抽象思考。 因为现在的做法就是让模型尽可能地大。越大越好。但是我们人类，无法像模型那样记住所有的上下文，比如一百万个 Token。没有人能记住上下文中的一百万个 Token。你会立刻抽象出我刚才告诉你的所有事情。但是你仍然记得我到目前为止说的所有话。这就是人类的惊人智能，我们还不知道如何通过 AI 模型有效地实现这一点。我相信这是可能的。我们只是还没有尽力去探索，因为我们被大规模的迷惑了。 * 任务四：Infini-gram 好的。那么，Infini-gram 就是我们面临的第三个挑战。稍微转换一下话题，现在的任务是让经典的统计 N-gram 语言模型在神经语言模型中发挥一定的作用。你们中有多少人还在讨论 n-gram 模型呢？我也不清楚。你们现在还在学习这个吗？ 这里我们设定 n 等于无穷大。我们将在数万亿的 token 上完成这个计算，反应时间必须非常快，而且我们甚至不需要使用一颗 GPU。哇！我来告诉你们这有多么困难。假设，如果你要在一个经典的 n-gram 语言模型中索引 5 万亿个 token，且 n 无限大，那么你大概需要处理 2 千万亿个唯一的 n-gram 序列。你需要枚举，排序，计数，存储一些错误，这可能需要占用大约 32 太字节的硬盘空间，甚至更多。我们又怎么知道 呢？但这个数据量实在太大了。我们无法处理。 如果你看看其他人建立的大规模经典 N-gram 模型，那就是 Google。在 2007 年，由 Jeff Dean 和其他人带领的团队，他们只处理了 2 万亿个 token——我的意思是，对于那个时代来说，这已经是很大的数量了。他们使用的是五元 n-gram，这就产生了大约 3000 亿个不同的 n-gram 序列，这些序列他们都需要进行枚举、排序、计数等操作。这个数量实在是太庞大了。大家其实并没有进一步增加这个数量。那么，我们到底是如何做到将这个数量无限扩大的呢？ 在我解释我们如何做到这一点之前，如果你感兴趣的话，我邀请你去查看这个在线演示。 token。这里有一个例子，它是一个 48 个字符的词。我不明白为什么这个词会存在。但是如果你去搜索它，你会发现它不仅存在，而且还有超过 3000 个实例。这个搜索过程耗时 5.5 毫秒。此外，它还会向你展示如何对这个长词进行分词。你也可以试试搜索多个词，看看下一个可能出现的词是什么。比如，"行动胜过语言"，那么接下来可能是什么词呢？该网站会向你展示可能出现的下一个词。而且，这个过程非常快速。 * 解决方法与进展 那么，我们是如何做到这一切的呢？你可能会惊讶地发现，我们的方法其实非常简单。有一种叫做后缀数组的数据结构，可能并不是所有的算法课程都会教授，但是有一些课程会教授。这是一种我们非常小心地实施的数据结构。所以我们用后缀数组索引整个网络语料库。事实上，我们并没有预先计算这些 n-gram 的统计数据。我们只是预先准备好这个数据结构。当你进行特定的查询时，我们会实时计算。多亏了这个数据结构——我们可以做得非常快，尤其是在使用 C++ 实现的情况下。我知道现在 AI 研究中，C++ 可能不是大家首选的语言，但实际上，使用 C++ 会让程序运行得更快。 这样做的成本有多低呢？其实我们只花了几百美元就索引了全部内容，而且，为 API 服务的成本也相当低。即便没有 GPU，它的速度也非常快。不同类型的 API 调用的延迟只有几十毫秒。你可以利用这个做很多事情。我现在可以分享的一点是，你可以用我们的 Infinigram 插值你的神经语言模型，降低困惑度，这是常用于评估语言模型质量的指标。我认为这只是我们能做的事情的冰山一角。实际上，我还在研究一些我希望能分享，但现在还不能告诉你们的东西。 不过我们已经开始提供这些 API 端点。从几周前开始计数，到现在我们已经提供了 6000 万次 API 调用，这还不包括我们自己的使用。我非常想知道人们是如何使用我们的 InfiniGram 的。 * 总结 总结一下，我的演讲主要是说，AI 的性能，至少在目前的形态下，取决于它的训练数据。因此，过去和现在的 AI 主要依赖于人类生成的数据，但未来可能会依赖于 AI 生成的数据。我知道人们对此有很多担忧，可能担心质量不高，可能存在偏见。因此，你不能以普通的方式来进行这项工作。你应该以更有创新性的方式来进行。但是，越来越多的证据表明，这种方法是有效的。 例如，使用 Meta 的 SAM（Segment Anything）进行图像分割就是 AI 合成图像分割注释的一个例子。虽然有人类的验证帮助，但是单靠人类无法对如此多的图像样本进行注释。这是另一个例子。Microsoft 的论文"Textbooks are all you need"是另一个例证。当你有真正高质量的数据，例如教科书级别的数据，经过合成，你实际上可以在许多、许多不同的任务中与规模更大的对手竞争。可能在某些方面，它并不像大型模型那样具有广泛的适用性，但这对于满足许多商业需求来说是非常出色的。你可能不需要通才，你可能需要专家。 此外，"Textbooks are all you need"也意味着，质量是最重要的。这并不仅仅关乎数量，更在于质量。DALL-3 就是一个很好的例子。为什么它会突然之间超越了 DALL-E 2 呢？很大程度上是因为它有更好的图像标注。但是，究竟是哪些更好的图像标注呢？在此之前，我们使用了所有好的图像标注。他们将这些图像标注进行了合成。这就是我们获得高质量数据的方式。当然，你需要小心翼翼地进行，但是有越来越多的任务特定符号知识蒸馏的例子，包括我自己实验室的工作，都证明了这是可行的。这真的可以让小模型发挥出惊人的潜力。 所以，这更关乎数据的质量、新颖性和多样性，而不仅仅是数量。 我就在这里结束我的演讲。谢谢。 视频来源：

宝玉

59,826 görüntüleme • 2 yıl önce

高人，你这个帖子让我整整琢磨了两天！本来想写个长文，但是太多头绪也不知道从何写起。总的来说是我这段时间上推的原因，总感觉自己的开发缺了很重要的认知；也是我这段时间除了自己硬件修复工作之外，还必须要去看text-to-CAD 的原因。 我为啥这段时间上推，就是心情不好。话多，我心情好的时候是不说话的，哪有这个功夫，可以一直干活。 很多行业，甚至是大部分AI需要落地的严肃场景，就是缺 IR, Verifier； 后续的TD和Platform Config必须建立在前面已经推导完成的前提下。AI写程序为什么那么厉害，就是因为IR-Platform Config这条链条是顺畅的。 我们看一下我这个视频。Zoo(text-to-CAD）就是创造了KCL这个IR, 集合你说的Specs/Impl 于一体，Specs是代码前面那一段。后面的Impl与verfier, 比如一些constraint是混在一起的。 这个版就做的非常好，就是我在你的提示下，自己把specs IR写好了。直接导入fusion我加了螺纹就是一个完整的可打印件。 我们要做任何一个行业的“如码" as code, 恐怕都逃不过这个阶段。 法律，医疗，CAD， circuit。 全都需要IR。 否则AI只是提供方案，不能提供方案验证，没有统一的IR，简直就是语言机——只会说！例如 Text-to-CAD 中，模型可以生成 KCL；但如果没有几何检查、约束检查, 这个图都画不出来的。 Transformer 本质上是概率预测器：P(next token | previous tokens) 代码非常成功是因为：代码行业拥有世界上最成熟的 IR 和 Verifier。 现在各行各业IR缺失，才是这一轮AI基本感觉漂浮在语言宇宙的原因。比如医疗。医疗算不算全世界标准最多的领域之一？ 医疗已经有 FHIR、DICOM、SNOMED 这些标准，但是这些标准大多数解决的是数据交换（Interoperability），而不是医学推理（Clinical Reasoning）。 如果真的要靠AI医学推理，需要耗费十几年的时间，真正把IR做出来，形成统一标准。 高人，给跪了。
1:27

高人，你这个帖子让我整整琢磨了两天！本来想写个长文，但是太多头绪也不知道从何写起。总的来说是我这段时间上推的原因，总感觉自己的开发缺了很重要的认知；也是我这段时间除了自己硬件修复工作之外，还必须要去看text-to-CAD 的原因。 我为啥这段时间上推，就是心情不好。话多，我心情好的时候是不说话的，哪有这个功夫，可以一直干活。 很多行业，甚至是大部分AI需要落地的严肃场景，就是缺 IR, Verifier； 后续的TD和Platform Config必须建立在前面已经推导完成的前提下。AI写程序为什么那么厉害，就是因为IR-Platform Config这条链条是顺畅的。 我们看一下我这个视频。Zoo(text-to-CAD）就是创造了KCL这个IR, 集合你说的Specs/Impl 于一体，Specs是代码前面那一段。后面的Impl与verfier, 比如一些constraint是混在一起的。 这个版就做的非常好，就是我在你的提示下，自己把specs IR写好了。直接导入fusion我加了螺纹就是一个完整的可打印件。 我们要做任何一个行业的“如码" as code, 恐怕都逃不过这个阶段。 法律，医疗，CAD， circuit。 全都需要IR。 否则AI只是提供方案，不能提供方案验证，没有统一的IR，简直就是语言机——只会说！例如 Text-to-CAD 中，模型可以生成 KCL；但如果没有几何检查、约束检查, 这个图都画不出来的。 Transformer 本质上是概率预测器：P(next token | previous tokens) 代码非常成功是因为：代码行业拥有世界上最成熟的 IR 和 Verifier。 现在各行各业IR缺失，才是这一轮AI基本感觉漂浮在语言宇宙的原因。比如医疗。医疗算不算全世界标准最多的领域之一？ 医疗已经有 FHIR、DICOM、SNOMED 这些标准，但是这些标准大多数解决的是数据交换（Interoperability），而不是医学推理（Clinical Reasoning）。 如果真的要靠AI医学推理，需要耗费十几年的时间，真正把IR做出来，形成统一标准。 高人，给跪了。

Susan STEM

26,565 görüntüleme • 2 ay önce

这下不光PS, AE也要被替代了? 修图大模型你见过, 修视频大模型你见过吗? 来看这个新视频生成框架 MotionStream, 它最大的特点就是指哪打哪, 相信大家都经历过耗费了无数token, AI视频就是不按照自己的想法走. 这个框架可以让你通过鼠标绘制运动轨迹, 真的让视频中的元素按照你的想法运动, 同样, 运镜也不在话下, 甚至如果想偷懒模仿大师的场景和运镜, 直接把原片拷进去, 就能把里面的动作迁移到你的视频里. 最重要的, 这个模型是基于阿里万相修改的! 大小只有1.3B和5B! 游戏显卡都能跑. 当前目前框架还处于早期, 运动太快会导致下次和变形, 但十分有潜力, 建议持续关注. 最后, 这个论文是Adobe研究院发的，那AE没事了哈哈哈哈 项目地址：
1:15

这下不光PS, AE也要被替代了? 修图大模型你见过, 修视频大模型你见过吗? 来看这个新视频生成框架 MotionStream, 它最大的特点就是指哪打哪, 相信大家都经历过耗费了无数token, AI视频就是不按照自己的想法走. 这个框架可以让你通过鼠标绘制运动轨迹, 真的让视频中的元素按照你的想法运动, 同样, 运镜也不在话下, 甚至如果想偷懒模仿大师的场景和运镜, 直接把原片拷进去, 就能把里面的动作迁移到你的视频里. 最重要的, 这个模型是基于阿里万相修改的! 大小只有1.3B和5B! 游戏显卡都能跑. 当前目前框架还处于早期, 运动太快会导致下次和变形, 但十分有潜力, 建议持续关注. 最后, 这个论文是Adobe研究院发的，那AE没事了哈哈哈哈 项目地址：

karminski-牙医

31,520 görüntüleme • 10 ay önce