【AiBase提要】站长之家(ChinaZ.com)1月4日 消息:斯坦福大学的研究人员利用维基百科数据训练了一个大模型,命名为WikiChat,通过优化和改进,成功解决了大模型的幻觉问题,并在事实准确性和其他指标上表现优秀。他们的最佳模型在新的基准测试中获得了97.3%的事实准确性,远远超过了GPT-4的66.1%。此外,WikiChat还在相关性、信息性、自然性、非重复性和时间正确性方面领先其他模型。2023年,我们看到了扩散模型推理速度方面的一些重大理论改进,例如Song等人的原始一致性模型论文,以及最近的LCM。(另外,对抗扩散蒸馏。)我们已经开始看到使用这些想法的项目,例如Dan Wood的Art Spew(每秒77512×512图像,在单个4090上)、Modal的Turbo.art(基于SDXL Turbo) 和fal.ai的30fps脸部交换。
情绪一旦被调动起来,社群中的反馈就像决堤一样涌现了出来——许多玩家都开始回忆起平时游戏中的感人瞬间,比如有人在游戏中遇到过善良的陌生人,向快要淘汰的他伸出双手、拉了一把;而受到帮助的玩家也报以回应,在下一局中将陌生人向前抛出,让他能够快人一步。
48. 通过 Chat GPT 在博物馆和画廊中人工智能生成的艺术描述:为艺术品提供引人入胜且信息丰富的描述,增强游客体验。