sudun_03-优快云博客

原创大语言模型--智能的图形界面Agent，研究与应用综述（未完待续）

图形用户界面（GUI）长期以来一直是人机交互的核心，提供了一种直观和视觉驱动的方式来访问数字系统并与之交互。传统上，自动化GUI交互依赖于基于脚本或基于规则的方法，这些方法虽然对固定的工作流程有效，但缺乏动态、现实世界应用程序所需的灵活性和适应性。大型语言模型（LLM）的出现，特别是多模态模型的出现，开创了GUI自动化的新时代。他们在自然语言理解、代码生成、任务泛化和视觉处理方面表现出了卓越的能力。

2024-12-24 17:22:14 834

原创大模型智能体操作系统（AIOS: LLM Agent Operating System）

本文提出了AIOS，一种LLM智能体操作系统，它将大型语言模型作为操作系统的大脑嵌入到操作系统中，使操作系统“有灵魂”——这是迈向AGI的重要一步。

2024-03-27 10:48:48 2472

原创智能体AI（Agent AI），多模态交互（MultiModal Interaction），现阶段综述及未来展望

这里介绍了Agent AI系统的总体概况，该系统可以在许多不同的领域和应用中感知和行动，可能是使用Agent范式实现AGI的途径。

2024-03-25 10:17:38 3330 1

原创近期语音合成论文总结

与广泛报道的大型语言模型在不断增加的数据量上训练时的“涌现能力”相呼应，我们发现，使用10K+小时和500M+参数构建的BASE TTS变体开始在文本复杂的句子上表现出自然的韵律。语音标记器的总体架构如图2所示。虽然L1不是最佳重建目标，但我们优先考虑有利于自回归建模的表示[45]，并在第2.4节中相应地证明，当用我们的语音编码解码器解码该学习的表示时，可以保持高的最终音频质量。为此，我们引入了一种基于从预训练的WavLM模型[39]中提取的特征的语音标记器，该模型进一步训练了有助于解开说话者身份的损失。

2024-03-21 11:25:15 1588 1

原创近期语音大模型论文总结

近期一些语音大模型相关论文摘要总结

2024-03-20 12:07:07 2452 1

原创多模态大模型论文总结

多模态大模型近期论文摘要汇总

2024-03-20 11:26:42 1309 1

c++检查内存泄露软件 Visual Leak Detector（包含多个版本及源代码）

在c++编程中最头疼的自然是内存泄漏问题了，我找了很久，试了很多软件，最后给大家推荐这个visual leak detector. 可以配合vs2005和vs2008等使用，详细安装大家可以看里边的说明。我的经验是1.9d版本配合VS2005使用， 1.9h版本配合VS2008使用，还有目前似乎最好是在XP系统上使用，否则会出现fail to initialize的问题。如还有问题可与我联系：）

2010-01-23

Convex Optimization book (pdf)

看起来是厚厚的一本大部头，读起来并不太费力。它给出的实例多而好用、覆盖面全，不需要太深刻的数学功底，对于复杂的定理性质等也不强调证明，而是着眼于几何意义和实际用途，直观易懂。　　　　作者本身的工科背景使得这本书在工业问题和计算机等实用方面的优点更为突出，数学依据上覆盖面广而不强调深，非常值得想要了解非线性规划的人一读。　　　　唯一的缺点恐怕是想要耐下心来细读这本英文原著要花点精力。不过绝对是值得的。

2009-04-22