/
端到端学习 关键字列表
ByteDance的Heptapod：让AI像人类一样"看懂"整张图片的革命性突破
ByteDance团队提出Heptapod框架，通过"二维分布预测"让AI像人类一样整体理解图像，摒弃了传统方法对外部语义辅助的依赖。该方法在每步预测整个2D空间的内容分布，迫使AI发展全局理解能力。在ImageNet测试中，Heptapod-H达到2.70的FID分数，显著优于传统因果自回归模型，为视觉AI返回端到端学习原理提供了成功范例。
卡内基梅隆大学最新突破：告别分词器，让AI直接理解原始文本的革命性技术
卡内基梅隆大学研究团队开发的H-Net架构实现了语言模型的重大突破，通过动态分块机制直接处理字节级数据，彻底摆脱传统分词器依赖。该技术不仅在英语任务上超越现有模型，在中文、代码和DNA等场景中更展现出显著优势，为构建更智能通用的AI语言理解系统开辟了全新道路。
Wayve CEO分享扩展自动驾驶技术的关键要素
Wayve 联合创始人兼 CEO Alex Kendall 认为,通过确保其自动驾驶软件运行成本低、硬件无关性强,且可应用于高级驾驶辅助系统、机器人出租车甚至机器人领域,公司的技术有望成功推向市场。Wayve 采用端到端的数据驱动学习方法,无需依赖高清地图或基于规则的软件,已吸引大量投资。公司计划向汽车和车队合作伙伴授权其自动驾驶软件。
白皮书
京公网安备 11010802021500号
