【12月6日大模型日報合輯】資訊 研究 微調都不要了？ 3個樣本、1個提示搞定LLM對齊，提示工程師：全都回來了 產業 微軟Copilot進化完全體，代碼解釋器、DALL·E 3，ChatGPT有的它都有

微調都不要了？ 3個樣本、1個提示搞定LLM對齊，提示工程師：全都回來了

https://news.miracleplus.com/share_link/12510

大模型的效果好不好，有時候對齊調優很關鍵。 但近來許多研究開始探索無微調的方法，艾倫人工智慧研究所和華盛頓大學的研究者用「免調優」對齊新方法超越了使用監督調優（SFT）和人類反饋強化學習（RLHF）的 LLM 性能。

NeurIPS 2023 | 模仿人類舉一反三，資料集擴增新範式GIF架構來了

https://news.miracleplus.com/share_link/12511

在這篇NeurIPS 2023 論文中，來自新加坡國立大學和位元組跳動的學者們受人類聯想學習的啟發，提出了資料集擴增的新範式，有效地提升了深度模型在小數據場景下的效能和 泛化能力，大大降低了人工收集和標註資料的時間和成本。 程式碼已開源。

分割一切「3D高斯」版來了：幾毫秒完成3D分割、千倍加速

https://news.miracleplus.com/share_link/12512

今年 4 月，Meta 發布「分割一切（SAM）」AI 模型，這項成果不僅成為許多 CV 研究者心中的年度論文，更是在 ICCV 2023 上斬獲最佳論文提名 。 「分割一切」實現了 2D 分割的「既能」和「又能」，可以輕鬆地執行互動式分割和自動分割，且能泛化到任意新任務和新領域。 現在，這種想法也延展到了 3D 分割領域。

五官亂飛，張嘴、瞪眼、挑眉，AI都能模仿到位，影片詐騙要防不住了

https://news.miracleplus.com/share_link/12513

來自慕尼黑工業大學等機構，他們提出了 GaussianAvatars，這種方法可用於創建在表情，姿態和視角（ viewpoint ）方面完全可控的逼真頭部虛擬（ head avatars）。 研究表示，在電腦視覺和圖形學中，創造可以動的人類虛擬頭部一直存在挑戰，特別是，極端的面部表情和細節，如皺紋、頭髮等這些細節都很難捕捉，生成的虛擬人物 很容易出現視覺偽影。

Meta開源最大多模態視訊資料集—Ego-Exo4D

https://news.miracleplus.com/share_link/12514

社交、科技巨頭Meta聯合15所大學的研究機構，經過兩年多的努力發布了首個多模態視訊訓練資料集和基礎套件Ego-Exo4D，用於訓練和研究AI大模型。 據悉，該資料集收集了來自13個城市839名參與者的影片,總時長超過1400小時,包含舞蹈、足球、籃球、攀岩、音樂、烹飪、自行車維修等8大類，131個複雜場景動作。 這使得AI模型更能理解人類的行為，有助於發展出更強大的多模態大模型。

可直接比較潛在新藥的性能，杜克大學團隊開發新的藥物AI模型

https://news.miracleplus.com/share_link/12515

目前的分子機器學習模型往往將單一分子作為輸入，來預測其生物、化學或物理特性。 然而，此類演算法需要大型資料集，並且尚未針對預測分子之間的性質差異進行最佳化，限制了它們從較小資料集學習的能力，也限制了直接比較兩個分子預期性質的能力。 杜克大學（Duke University）的研究人員開發了 DeepDelta，這是一種成對深度學習方法，可以同時處理兩個分子，並學習從小資料集中預測兩個分子之間的屬性差異。 在10 個ADMET 基準任務中，DeepDelta 方法顯著優於兩種已建立的分子機器學習演算法：定向訊息傳遞神經網路(D-MPNN) ChemProp 和使用徑向指紋的隨機森林；並且DeepDelta 在預測分子特性的 巨大差異方面尤其優於現有方法，甚至可以執行支架跳躍。 DeepDelta 提供了一種透過直接訓練分子對及其屬性差異來預測分子屬性差異的準確方法，從而進一步支持藥物開發和化學科學的分子優化的保真度和透明度。