何恺明新作:无需矢量量化的自回归图像生成 | 大模型周报

作者: 库珀

来源: 学术头条

发布日期: 2024-06-23 08:02:19

本周的大模型周报涵盖了多个前沿研究,包括减少生成式 LLM 中的死记硬背现象、清华 KEG 团队推出的强化自训练方法 ReST-MCTS*、清华和智谱 AI 团队推出的超长视频理解基准 LVBench 等。特别关注何恺明团队的新作——无需矢量量化的自回归图像生成。

本周值得关注的⼤模型

AIGC前沿研究:减少⽣成式 LLM 中的死记硬背现象

清华 KEG 团队推出强化⾃训练⽅法 ReST-MCTS*

清华、智谱 AI 团队推出超⻓视频理解基准 LVBench

何恺明新作:⽆需⽮量量化的⾃回归图像⽣成

mDPO:多模态⼤语⾔模型的条件偏好优化

哈佛、⽜津团队提出 LLM 数据选择新⽅法 CoLoR-Filter

⽜津⼤学新研究:将深度⻉叶斯主动学习⽤于 LLM 偏好建模

ChatGLM 技术报告:从 GLM-130B 到 GLM-4 AII Tools

CityGPT:增强⼤型语⾔模型的城市空间认知能⼒

微软、清华团队提出指令预训练框架

Google DeepMind:在代码补全中衡量 RLHF 的记忆效应

UUID: a8bbbfa3-76bd-46d0-b3cb-a9feae9f04e5

原始文件名: /home/andie/dev/tudou/annot/AI语料库-20240917-V2/AI语料库/学术头条公众号-pdf2txt/学术头条2024年/学术头条_2024-06-23_何恺明新作:无需矢量量化的自回归图像生成|大模型周报.txt

是否为广告: 否

处理费用: 0.0064 元