第八届文档分析与多模态大模型前沿理论与应用研讨会暨CSIG文档图像分析与识别专委会学术年会成功举办

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

2024年11月30日,第八届文档分析与多模态大模型前沿理论与应用研讨会·暨CSIG文档图像分析与识别专委会学术年会在上海成功举办。

本次大会由中国图象图形学学会(CSIG)主办,由CSIG文档图像分析与识别专委会和上海人工智能实验室共同承办,是国内文档图像分析与识别领域的学术盛会。

会议吸引了包括北京大学、清华大学、复旦大学等国内顶尖高校,以及华为、字节跳动、阿里巴巴等知名企业的近120位专家学者到现场参会。


参会来宾合影

本次大会聚焦于大模型时代的文档图像分析领域所面临的新挑战、新问题和新机遇,旨在展示该领域的最新研究进展和技术应用。会议设置了丰富的学术环节,包括两场主旨报告、三场特邀报告、一场圆桌讨论以及四场青年论坛报告,为与会者提供了全方位、多视角的学术盛宴。

出席开幕式的嘉宾包括:CSIG常务理事、华南理工大学金连文教授,CSIG文档图像分析与识别专委会主任、北京科技大学殷绪成教授,专委会副主任、上海人工智能实验室乔宇教授,专委会秘书长、北京大学高良才副教授,清华大学代季峰副教授,华中科技大学刘禹良教授等业内知名学者。

开幕式与主旨报告

会议的开幕式和主旨报告环节由专委会主任、北京科技大学殷绪成教授主持。殷绪成教授介绍了此次论坛的报告专家和日程安排,并代表代表专委会向长期支持和积极参与会议的各位来宾致以诚挚感谢。

殷绪成教授主持会议开幕式和主旨演讲

在开幕式上,会议承办单位——上海人工智能实验室领军科学家乔宇教授发表了热情洋溢的欢迎辞。他对各位参会嘉宾的到来表示衷心的欢迎,并简要回顾了文档图像分析与识别技术的发展历程,深刻分析了大模型技术兴起后文档图像分析与识别领域所面临的挑战和机遇。乔宇教授介绍了上海人工智能实验室在通用视觉领域取得的研究成果,并希望与各位同行进一步深化合作,共同推动多模态大模型技术在文档图像分析领域的创新发展。

乔宇教授代表上海人工智能实验室致辞

随后,华南理工大学金连文教授和清华大学代季峰副教授依次为大会做了主旨演讲。

华南理工大学金连文教授带来了题为“AGI时代的光学文字识别”的主旨演讲,简要回顾了AI大模型的发展历史和多模态大语言模型的结构范式,分析了面向OCR垂域的多模态大模型若干最新进展,并详细介绍了其团队在OCR大模型研究方面的最新研究成果。金教授的演讲为与会者提供了深入了解多模态大模型在OCR领域潜力的宝贵机会,并为该领域未来的研究方向指明了方向。

金连文教授作主旨演讲

清华大学代季峰副教授带来了题为“多模态基础模型研究”的报告,围绕多模态基础模型技术面临的训练数据规模小、视觉模型表征差、任务模态数量少、开放世界泛化弱四大挑战,分别介绍了其团队在互联网尺度的图文交错数据预训练、大规模视觉语言基础模型、通用任务解码器、基于大语言模型的通用智能体四个方面的研究与探索,并讨论了多模态基础模型发展的潜在方向。

代季峰副教授作主旨演讲

特邀报告

会议的特邀报告环节由专委会副秘书长、南开大学周宇教授主持。在特邀报告环节,会议特别邀请了华中科技大学刘禹良教授、华东师范大学占鸿渐副研究员和阿里巴巴杨志博高级算法专家三位青年学者分享人工智能领域的最新进展与前沿成果。

华中科技大学刘禹良教授带来了题为“多模态大模型Monkey及其在文档图象智能中的应用”的报告,介绍了多模态大模型Monkey为处理高分辨率图像而设计的新结构范式,阐述了最新文档图文数据的生成方法,以及专为文档智能而设计的模型TextMonkey;同时,刘禹良教授还分享了小领域OCR模型在教育视频、半监督检测、视频检测识别等任务中的优势和最新进展。

刘禹良教授作特邀报告

华东师范大学占鸿渐副研究员带来了题为“语义信息增强的文本识别”的报告,简要阐述了文本图像识别任务面临的挑战,并回顾了多模态文本识别方法的主要研究进展,重点介绍了其团队在基于简化语义特征生成的文本识别、基于视觉-词典指导的文本识别、基于视觉语言联合解码的文本识别三个方面的最新研究成果。这些成果展现了语义信息在提升文本识别性能方面的巨大潜力,为未来技术的进一步发展奠定了基础。

占鸿渐副研究员作特邀报告

阿里巴巴通义实验室杨志博高级算法专家带来了题为“QwenVL在OCR&文档专项领域的发展与思考”的报告,阐述了多模态大模型和文档分析的发展路径,介绍了团队针对大模型文档分析能力构建的评测方法并分析了现有技术面临的困难,并分享了团队面向文档分析专项领域而提出的Omni-Parsing模型。该报告为与会者提供了多模态大模型在文档专项领域应用的全新视角和实践经验,展现了工业界前沿研究的创新成果。

杨志博高级算法专家作特邀报告

圆桌论坛

会议的圆桌讨论环节由中国科学院深圳先进技术研究院付彬助理研究员主持。

在圆桌讨论环节,围绕“多模态大模型在文档分析领域的机遇与挑战”这一主题,嘉宾们在“多模态大模型对文档图像分析能力的增强”和“强推理的多模态大模型在文档分析领域的发展前景”等文档分析领域前沿问题上展开了深入的讨论。

各位嘉宾积极分享研究成果与实践经验与创新见解,提出了一系列前瞻性建议,为推动多模态大模型在文档分析领域的进一步发展提供了宝贵的建议。

会议圆桌讨论环节

青年学者论坛

本次会议的下半场聚焦于青年学者在文档图像分析与识别领域取得的前沿研究成果,为青年研究者提供了一个展示创新工作、交流学术思想的重要平台。精彩的报告内容和开放的交流氛围吸引了大量青年研究者积极参与,充分体现了青年力量在推动该领域发展中的重要作用。

青年学者论坛来宾合影

下午的报告由上海人工智能实验室OpenDataLab的商富凯主持,来自上海人工智能实验室的青年科学家石博天、何聪辉分别带来了题为“基于多模态大模型的高泛化性文档理解技术研究”和“MinerU:大模型时代的数字化工具”的青年学者报告,介绍了上海人工智能实验室在文档图像分析领域的最新研究成果;来自南京理工大学的曾港艳老师带来了题为“基于CLIP实现准确高效灵活的场景文字检索”的报告,分享了其团队在场景文字检索任务上的最新探索;来自中国科学院信息工程研究所的曾维超同学带来了题为“基于扩散模型和先验引导控制的场景文字编辑方法”的报告,介绍了他在高质量的场景文字编辑领域的研究心得。

石博天(左上)、何聪辉(右上)、曾港艳(左下)、曾维超(右下)作青年学者报告

论坛的最后部分,各位嘉宾与听众就文档分析领域的前沿问题,结合各自的研究心得,展开了热烈的讨论与交流,现场洋溢着浓厚的学术气息与活跃的讨论氛围。

参会来宾讨论与交流

结  语

伴随着热烈的讨论,本次会议于2024年11月30日下午圆满落幕。

作为国内文档图像分析与识别领域的学术盛会,本次会议奉献了二场主旨报告、三场特邀报告、一场圆桌讨论和四场青年论坛报告,吸引了来自北京大学、清华大学、复旦大学等国内顶尖科研机构和华为、字节跳动、阿里巴巴等知名企业的近120位专家学者到现场参会。此外,约7000人通过线上直播的形式观看了会议的主旨报告。


本次会议为青年学者与领域内资深专家搭建了一个开放而广阔的交流平台,通过主旨报告、特邀报告、圆桌讨论和青年论坛的多元化学术活动,参会者在文档图像分析与识别领域的前沿研究、技术挑战和实践经验等方面展开了深入探讨。

通过促进同行间的密切交流,本次会议有力推动了文档图像分析与识别领域的前沿研究和探索,为未来的技术突破和实际应用提供了坚实的基础。最后,让我们一起期待下一届会议的到来!

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

ADS2020与SystemVue2020Update1.0同机安装避坑指南:解决License冲突,实现EVM联合仿真

本文详细介绍了ADS2020与SystemVue2020 Update1.0同机安装的完整解决方案,重点解决License冲突问题,实现EVM联合仿真。通过合理的安装顺序、路径规划和License服务配置,确保两款EDA工具和谐共存,为射频与微波电路设计提供高效仿真环境。

weixin_30271335的博客 348

【中关村开源生态论坛暨大模型智能应用技术大会】—— 探索AI和开源在未来的应用

对你有帮助,可以添加VX:vip204888 (备注鸿蒙获取)**[外链图片转存中…(img-ICI7pgR6-1712870164878)]

2301_79058506的博客 850

波克 上海 Unity开发笔试题 2024

主要分为四部分,如果没有准备好,不要点击笔试链接,进入就会自动开始。

z2014z的博客 3407

探索大模型的安全边界,首届大模型安全研讨会在新加坡成功举办

首届大模型安全研讨会(LARGE MODEL SAFETY WORKSHOP 2024)于2024年7月2日在新加坡卡尔顿酒店(Carlton Hotel Singapore)成功举办。本次研讨会由新加坡管理大学孙军教授主办,吸引了来自全球的专家学者、业界领袖和政府官员参与,共同探讨大模型技术在安全性问题上的挑战及其未来发展方向。开幕致辞——孙军教授, 新加坡管理大学研讨会联合主席——Gerr...

Paper weekly 501

深度学习动画实战:用MotorNerve系统5步实现自然角色交互

本文详细介绍了如何利用腾讯游戏的MotorNerve系统,通过深度学习技术5步实现自然角色动画交互。从环境搭建、基础运动控制到交互过渡和行走转向优化,该系统能显著提升游戏动画制作效率,尤其适合中小团队替代昂贵的动捕方案。重点解析了骨骼动画配置、PFNN控制器使用及Blender工作流集成等核心技术。

book8的博客 690

2025年抖音面试:商业生态与安全质量运营技能要求及面试

在商业生态与安全岗的质量运营工作中,规则运营职责占据着极为重要的地位,它是保障内容风控质量的关键环节。

王国平的博客 609

【SPIE出版】2026年机器学习与大模型国际学术会议(ICMLM 2026)

【SPIE出版】2026年机器学习与大模型国际学术会议(ICMLM 2026)

leisigoyle的博客 869

C# WPF上位机实战:从零开发空压机监控系统(含实时监控+故障预警+数据追溯)

在工业生产场景中,空压机作为核心动力设备,常面临这些痛点:压力/温度异常导致停机、油耗超标未及时发现、设备故障追溯无数据支撑、人工巡检效率低且易遗漏。而基于C# WPF开发的空压机监控系统,能通过实时采集设备运行参数、智能分析运行状态、联动故障预警,实现“状态监控-异常告警-数据追溯-远程管控”全流程自动化,完美解决传统管理模式的弊端。今天就带大家落地这套空压机监控系统,基于C# + .NET 8 + WPF + Modbus TCP/RTU协议,整合压力、温度、油耗、运行时长等核心参数监控,搭配WPF的数

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 1107

中国AI大模型峰会“封神之作”!开发者不容错过这场夏季盛会

现场重量级大咖云集,深度学习技术及应用国家工程研究中心主任、百度首席技术官王海峰领衔,与百万AI开发者见证国产大模型技术创新、产业应用的蓬勃发展之势,为国产大模型发展指引方向。得益于百度在人工智能技术栈的全面布局和技术积累,尤其是飞桨深度学习平台和文心大模型的联合优化,文心大模型3.5效果、功能、性能全面提升。,百度文心大模型拿下12项指标的7个满分,综合评分第一,尤其是算法模型、通用能力等基础技术领跑全行业,算法模型获得唯一一个满分。趋势判断上,作为国内大模型领跑者,百度的最新动作业界自然高度关注。

曲鸟 2887

pytorch搭建SSAE实现预测分类代码模板完整代码

pytorch搭建SSAE实现预测分类代码模板完整代码

326

【Java开发者必看】LangChain4j实战指南:使用AIService轻松集成聊天记忆Chat Memory到SpringBoot应用,通过封装多轮复杂对话,使聊天记忆的实现变得简单

聊天记忆是指在与用户的多轮对话过程中,能够记住之前的交互内容,从而提供更加连贯和个性化的回复。LangChain4j支持通过ChatMemoryProvider接口实现聊天记忆功能。

Spring Boot-Common On With You 448

“大模型安全与对齐”论坛详情公布|CIPS-LMG2024

中国中文信息学会2024学术年会暨第三届全国大模型智能生成大会(CIPS-LMG 2024)将于2024年11月28日-12月1日于浙江嘉兴召开。前沿技术论坛将于2024年11月30日召开。本次大会的多个论坛覆盖了大模型基础理论、深度推理、大模型安全、多模态大模型、科学智能、具身智能、智能体、社会智能等时下最受关注的技术议题,多个领域权威专家共聚一堂交流研讨。本公众号将陆续发布各论坛的学术报告详情...

zenRRan的博客 1003

【以太网硬件十九】SGMII到底能不能直接出光模块?

详细解释为什么SGMII可以直接出光模块及其使用限制

highman110的博客 1万+

50+大咖共议大模型技术演进,2024全球机器学习技术大会圆满收官

Scaling Law 遇瓶颈后下一个突破点在哪?多模态大模型会带来哪些革命性变革?从模型训练到推理部署的全流程技术挑战,都能在 2024 全球机器学习技术大会得到解答。作者 | 《新程序员》编辑部出品 | 优快云(ID:优快云news)11 月 14-15 日,由 优快云 联合高端 IT 咨询与教育平台 Boolan 举办的“2024 全球机器学习技术大会”在北京威斯汀酒店圆满落幕。大会汇...

优快云资讯 2628

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

51c大模型~合集69

作为从事工程应用领域的开发,我们不能只根据 “目前AI能做什么” 来构建自己的产品,也要看到未来AI的发展方向,比如之前大家一致诟病的大模型推理能力较弱,于是我们看到很多很重的提示词工程和思维链模式来解决推理问题。但可能在推理方面的表现,很多很重的解决方案并不如最新发布的 OpenAI o1 大模型。可以预见的是,随着技术的发展,大模型的能力一定会越来越强,相关的调用成本一定会越来越低,对模型定制的确定性也会越来越好。除了保持学习实践之外,哪些才是工程应用真正需要沉淀的能力和方向,是我们需要思考的命题。

whaosoft~aiotの开发板商城 1859

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

【多模态】29、OCRBench | 为大型多模态模型提供一个 OCR 任务测评基准

本文主要介绍 OCRBench

呆呆的猫的博客 8793

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

【2025-ICLR-未中】教授多模态大语言模型理解心电图图像

这篇文章讨论了如何通过多模态大语言模型(MLLMs)来理解心电图(ECG)图像,特别是如何应对当前传统心电图分析方法中的挑战。文章提出了一个新的数据集和模型来提高心电图图像的解读能力,并展示了其在实际临床应用中的潜力。

weixin_57128596的博客 1672

凝聚共识,锚定未来 | 第四届OpenI/O 启智开发者大会NLP大模型论坛成功举办!

2023年2月24日下午,第四届OpenI/O启智开发者大会NLP大模型分论坛在深圳人才研修院隆重举办。

OpenI启智社区 653

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 338

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 614

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 276

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 207

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 340

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 349

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 85

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 159
上一篇: 基于AX650N/AX630C部署多模态大模型InternVL2-1B
下一篇: 全量级开源多模态大模型书生·万象InternVL2.5全面升级
OpenGVLab
博客等级 码龄2年 418粉丝 38原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值