跳到正文

数据与训练

训练侧的门道:数据集构建、合成数据、预训练与后训练方法、算力与训练成本。

322条精选相关主题论文研究部署工程模型发布

最新精选

第 281–300 条 · 共 322 条
6月5日周五
  1. Google Research65

    通过智能手机摄像头实现被动心率监测的研究

    Google Research提出了一种通过智能手机摄像头进行被动心率监测的方法,该方法利用深度学习技术,在日常生活中对用户的心率和静息心率进行监测,并发布了相关的研究数据和预训练模型。

    推荐理由:该研究提出了通过智能手机摄像头进行被动心率监测的方法,为健康监测提供了新的思路,具有潜在的应用价值。

6月4日周四
  1. Google Research70

    谷歌开源洪水预测模型,助力洪水预警系统

    谷歌开源了其洪水预测模型,旨在帮助国家气象和水利服务将先进的基于AI的洪水预测技术整合到自己的工作流程中,以增强洪水预警系统的能力。

    推荐理由:原文介绍了开源的洪水预测模型及其在气象和水利服务中的应用,读者可以了解其在洪水预警系统中的潜力。

5月28日周四
5月20日周三
  1. Google Research70

    谷歌发布实证研究助手(ERA):从《自然》杂志出版到催化计算发现

    谷歌发布实证研究助手(ERA),一款使用 Gemini 编写和优化科学代码的工具,旨在提高科学研究的速度和范围。ERA 在多个学科领域取得了专家级性能,并已应用于多个科学项目,如流行病学预测、季节性径流预测、大气二氧化碳浓度监测等。

    推荐理由:原文介绍了 Empirical Research Assistance (ERA) 的设计和应用,读者可以了解其在科学研究和计算发现方面的潜力。

5月15日周五
  1. Hugging Face Blog70

    Hugging Face 发布开源多语言嵌入模型 Granite Embedding Multilingual R2

    Hugging Face 发布了开源的多语言嵌入模型 Granite Embedding Multilingual R2,具有 32K 的上下文窗口,为检索质量提供了最佳表现。

    推荐理由:Hugging Face 发布了开源的多语言嵌入模型 Granite Embedding Multilingual R2,具有 32K 的上下文窗口,为检索质量提供了最佳表现,读者可以关注其开源状态和性能表现。

5月2日周六
  1. Google Research60

    Google Research 通过全球合作和开放资源推动科学影响

    Google Research 强调开源软件和开放数据集对现代科学的重要性,并分享了其在基因组学、神经科学、地球与大气建模、生物多样性、医疗保健等领域开发的多个开源技术和数据集,以及这些资源如何推动全球科学进步。

    推荐理由:原文详细介绍了 Google Research 在开源软件和开放数据集方面的贡献,以及这些资源如何推动全球科学进步。

4月22日周三
  1. Google DeepMind62

    Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构

    Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,将大规模训练拆分为解耦的计算岛并异步传输数据,从而隔离局部硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并自动重新接入,用 Gemma 4 模型验证其基准 ML 性能与传统训练方法持平。

    推荐理由:原文给出分布式训练在带宽、故障隔离和跨代硬件上的实测结果,可据此判断大规模预训练基础设施的演进方向。

4月16日周四
4月9日周四
4月1日周三
  1. Google Research60

    构建更好的 AI 评测基准:需要多少标注者?

    Google Research 发布了一篇论文,探讨了在机器学习中,如何平衡标注者数量与数据项数量以实现可重复性。研究发现,使用 3-5 个标注者通常不足以捕捉人类意见的细微差别,并提出了优化评测基准的建议。

    推荐理由:原文提出了关于 AI 评测中标注者数量与数据项数量之间权衡的研究,对构建更可靠和高效的 AI 评测基准有重要意义。

3月25日周三
3月21日周六
3月12日周四
1月28日周三
1月13日周二
12月3日周三
  1. OpenAI News60

    OpenAI 宣布收购 Neptune

    OpenAI 宣布收购 Neptune,以加深对模型行为的可见性,并强化研究人员用于跟踪实验和监控训练的工具。

    推荐理由:OpenAI 收购 Neptune,读者可了解其意在加强模型行为可见性与训练监控工具链。

11月17日周一
11月11日周二
  1. Google DeepMind52

    Google DeepMind 在 Nature 发表研究:让 AI 视觉表征更接近人类

    Google DeepMind 在 Nature 发表新论文,分析 AI 视觉模型与人类在组织视觉世界上的差异,并提出一种三步对齐方法。该方法先用 THINGS 数据集训练一个冻结主模型的小型适配器作为教师模型,再生成包含百万张图像、数百万条类人判断的 AligNet 数据集,最后微调其他学生模型。

    推荐理由:DeepMind 在 Nature 发表视觉对齐研究,读者可了解人类与模型表征差异及三步对齐方法。

8月21日周四