谷歌最新研究：利用机器学习增强语言模型
AIGCBench：全面评估 人工智能 视频生成
PLLaMa：植物科学领域的开源重要工具
清华团队最新研究：巨型模型如何影响心理学研究？
标题最新研究：在语音对话中合成 “人类”
Auffusion：一个全新的文本转语音生成系统
LARP：一种以开放世界游戏为基础的角色扮演游戏
清华团队推出了一款名为GitAgent的智能工具，可以在GitHub上自主扩展。
DeepMind 提出 AutoRT：用更强大的模型更有效地训练智能机器
人工智能 能像人类一样具备创造力吗？
1. 谷歌最新研究：利用LLM提升LLM性能
这些基础模型拥有数十亿个参数，并经过大量数据语料的训练，在多个领域展现出了出色的技能。然而，由于它们庞大且单一的结构，对它们进行增强或传授新技能是具有挑战性且成本高昂的。另一方面，由于这些模型具备适应能力，目前正在训练一些新实例，以应对新领域和新任务。
为此，来自 Google DeepMind 和 Google Research 的研究团队探讨了如何高效、实际地将现有基础模型与更具体的模型组合起来，从而实现新能力，并提出了 CALM，它通过模型间的交叉注意力机制来组合它们的表征。据介绍，CALM 的显著特点包括：
1）通过“重用”现有的大型语言模型（LLMs），以及少量额外的参数和数据，在新的任务中扩展LLM；
2）保持现有模型权重不变，从而保留了现有的功能；
3）适用于各个领域和环境。
研究结果显示，通过使用在低资源语言上训练的较小模型来增强PaLM2-S，在诸如翻译成英语和低资源语言的算术推理等任务上，可以实现高达13%的绝对性能提升。同样地，当PaLM2-S与专门的代码模型结合时，在代码生成和解释任务上实现了相对性能提升40%，与完全微调的模型相当。
