cctv1新闻联播前广告价位

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>AI見(jian)聞(wen)日(ri)報(bao)：解(jie)決(jue)企(qi)業(ye)痛(tong)點(dian)，騰(teng)訊(xun)雲(yun)推(tui)出(chu)大(da)模(mo)型(xing)精(jing)選(xuan)商(shang)店(dian) | 见智(zhi)研(yan)究(jiu)

今(jin)日要(yao)点

1、腾讯云創(chuang)建(jian)壹(yi)站(zhan)式(shi)行(xing)业大模型精选商店；

2、比(bi)Gen-2還(hai)好(hao)用(yong)的(de)本(ben)文(wen)轉(zhuan)視(shi)頻(pin)擴(kuo)散(san)模型 VideoComposer；

3、又(you)一款(kuan)金(jin)融(rong)AI工(gong)具(ju)—公(gong)司(si)債(zhai)投(tou)資(zi)助(zhu)手(shou)BondGPT；

4、清(qing)華(hua)大學(xue)提(ti)出LiVT，用视覺(jiao)Transformer学習(xi)長(chang)尾(wei)數(shu)據(ju)，提高(gao)模型泛(fan)化(hua)能(neng)力(li)；

5、微(wei)軟(ruan)給(gei)開(kai)發(fa)者(zhe)的福(fu)音(yin)，在(zai)VS中(zhong)整(zheng)合(he)“生(sheng)成(cheng)见解”工具，提升(sheng)編(bian)譯(yi)效(xiao)率(lv)；

每(mei)日见智AI

1、直(zhi)擊(ji)腾讯云大模型技(ji)術(shu)峰(feng)會(hui)—解决大模型應(ying)用困(kun)難(nan)

腾讯云宣(xuan)布(bu)推出MaaS（Model-as-a-Service)大模型服(fu)務(wu)，依(yi)靠(kao)腾讯云TI平(ping)臺(tai)建造(zao)行业大模型精选商店，基(ji)於(yu)腾讯HCC高性(xing)能計(ji)算(suan)集(ji)群(qun)和(he)大模型能力，為(wei)客(ke)戶(hu)提供(gong)一站式大模型服务。

目(mu)前(qian)企业应用大模型所(suo)面(mian)臨(lin)的困难主(zhu)要包(bao)括(kuo)：

计算资源(yuan)少(shao)；大模式的訓(xun)練(lian)和推理(li)對(dui)于计算资源和存(cun)儲(chu)资源有(you)很(hen)高的要求(qiu)，对于很多(duo)客户來(lai)說(shuo)門(men)檻(kan)比較(jiao)高； 数据質(zhi)量(liang)差(cha)；数据是(shi)训练大模型的基礎(chu)，质量不(bu)高就(jiu)会導(dao)致(zhi)模型的训练效果(guo)和效率难以(yi)保(bao)障(zhang)； 投入(ru)成本高；模型也(ye)需(xu)要持(chi)續(xu)的優(you)化和調(tiao)試(shi)以適(shi)配(pei)企业專(zhuan)項(xiang)功(gong)能； 安(an)全(quan)合規(gui)；数据安全是企业调用模型最(zui)擔(dan)心(xin)的問(wen)題(ti)； 专业性人(ren)才(cai)短(duan)缺(que)；

见智点評(ping)：

腾讯云從(cong)保護(hu)企业数据產(chan)權(quan)和隱(yin)私(si)的角(jiao)度(du)，为客户提低(di)成本、方(fang)便(bian)快(kuai)捷(jie)的大模型服务，結(jie)合自(zi)身(shen)算力优勢(shi)，从模型、数据、应用幾(ji)個(ge)維(wei)度来打(da)通(tong)企业应用大模型的困难。針(zhen)对不同(tong)的应用場(chang)景(jing)，提供更(geng)适配的算力網(wang)絡(luo)和智能应用助手，比如(ru)AI代(dai)碼(ma)助手、会議(yi)助手等(deng)等。更重(zhong)要的是，我(wo)們(men)觀(guan)察(cha)到(dao)MaaS服务可(ke)以滿(man)足(zu)客户模型的預(yu)训练、模型精调、智能开发等多樣(yang)化需求，並(bing)且(qie)支(zhi)持客户加(jia)入私域(yu)数据進(jin)行训练，極(ji)大的解决了(le)企业对大模型数据安全的担憂(you)。

对于如何(he)解决企业应用大模型问题這(zhe)个业內(nei)關(guan)註(zhu)的焦(jiao)点，华爾(er)街(jie)见闻·见智研究非(fei)常(chang)榮(rong)幸(xing)邀(yao)請(qing)到瀾(lan)码科(ke)技创始(shi)人&CEO【周(zhou)健(jian)】来为大家(jia)帶(dai)来最核(he)心的解讀(du)：AI浪(lang)潮(chao)的下(xia)一个重要賽(sai)道(dao)，如何突(tu)破(po)企业应用，找(zhao)到核心的盈(ying)利(li)秘(mi)籍(ji)？ 歡(huan)迎(ying)大家预約(yue)直播(bo)：6月(yue)20日 周二(er) 19:00。

2、比Gen-2还好用的本文转视频扩散模型 VideoComposer

文本生成视频的扩散模型VideoComposer ，能夠(gou)在各(ge)種(zhong)形(xing)式的合成视频中同時(shi)控(kong)制(zhi)空(kong)間(jian)和时间模式，例(li)如文本描(miao)述(shu)、草(cao)圖(tu)序(xu)列(lie)、參(can)考(kao)视频，甚(shen)至(zhi)是簡(jian)單(dan)的手工制作(zuo)的動(dong)作。看(kan)起(qi)来比Gen-2的效果要強(qiang)一些(xie)。

见智点评：

VideoComposer通過(guo)引(yin)入壓(ya)縮(suo)视频中的運(yun)动矢(shi)量作为顯(xian)式控制信(xin)號(hao)，结合时空條(tiao)件(jian)编码器(qi)（STC-encoder），使(shi)用户能够以靈(ling)活(huo)的方式組(zu)合具有文本条件、空间条件和时间条件的视频。該(gai)方法(fa)能够有效地(di)控制空间和时间模式，包括文本描述、草图序列、参考视频和手工制作的动作等。實(shi)驗(yan)结果表(biao)明(ming)VideoComposer具有良(liang)好的性能和交(jiao)互(hu)-幀(zhen)一致性。

这项工作对于实現(xian)可控的视频合成在解决时间动態(tai)和跨(kua)帧时间一致性方面的挑(tiao)戰(zhan)方面取(qu)得(de)了显著(zhu)进展(zhan)，进一步(bu)推动了视觉内容(rong)创作的可定(ding)制化发展。

3、又一款金融AI工具—公司债投资助手BondGPT

美(mei)國(guo)金融科技公司Broadridge子(zi)公司LTX近(jin)期(qi)宣布，推出一款基于GPT-4大模型的聊(liao)天(tian)機(ji)器人APP BondGPT，应用于公司债投资。BondGPT主要面向(xiang)公司债投资者，包括避(bi)險(xian)基金、交易(yi)商等等，可以回(hui)答(da)各种與(yu)债券(quan)相(xiang)关的问题，并幫(bang)助用户解决相关问题。

见智点评：

金融AI工具开发目前非常熱(re)门，在AI见闻周报中我们也分(fen)析(xi)过有很多金融机構(gou)已(yi)經(jing)开始进行AI项目研发，AI技术在金融行业的应用场景也非常豐(feng)富(fu)，比如AI交易員(yuan)、金融輿(yu)情(qing)分析、輔(fu)助代码编寫(xie)、研报知(zhi)識(shi)庫(ku)檢(jian)索(suo)等都(dou)值(zhi)得关注。

4、清华大学提出LiVT，用视觉Transformer学习长尾数据，提高模型泛化能力

清华大学在CVPR 2023的論(lun)文，Learning Imbalanced Data with Vision Transformers中詳(xiang)細(xi)探(tan)討(tao)了如何有效利用长尾数据来提升视觉Transformer的性能，并探索解决现实世(shi)界(jie)中存在数据不平衡(heng)问题的新(xin)方法。

文章(zhang)通过一系(xi)列实验发现，在有監(jian)督(du)範(fan)式下，视觉Transformer在處(chu)理不平衡数据时会出现嚴(yan)重的性能衰(shuai)退(tui)，而(er)使用平衡分布的標(biao)注数据训练出的视觉Transformer呈(cheng)现出明显的性能优势。 相比于卷(juan)積(ji)网络，这一特(te)点在视觉 Transformer 上(shang)體(ti)现的更为明显。另(ling)一方面，無(wu)监督的预训练方法无需标簽(qian)分布，因(yin)此(ci)在相同的训练数据量下，视觉 Transformer 可以展现出類(lei)似(si)的特征(zheng)提取和重建能力。 基于以上观察和发现，研究提出了一种新的学习不平衡数据的范式，旨(zhi)在讓(rang)视觉Transformer模型更好地适应长尾数据。 通过这种范式的引入，研究團(tuan)隊(dui)希(xi)望(wang)能够充(chong)分利用长尾数据的信息(xi)，提高视觉Transformer模型在处理不平衡标注数据时的性能和泛化能力。

见智点评：

用视觉Transformer学习长尾数据方法不僅(jin)在实验中取得了显著的性能提升，而且无需額(e)外(wai)的数据，具有实際(ji)应用的可行性。比如可以应用在醫(yi)療(liao)影(ying)像(xiang)分析、安全监控等场景中。

数据往(wang)往存在不平衡性，即(ji)某(mou)些类別(bie)的样本数量遠(yuan)远少于其(qi)他(ta)类别。这导致傳(chuan)統(tong)的模型训练可能会偏(pian)向于预測(ce)数量较多的类别，而对于少数类别的性能衰退严重。通过用视觉Transformer学习长尾数据，可以更好地适应现实世界中的数据不平衡问题。同时还能够有效提升少数类别的识别性能，使模型能够更好地发现和理解样本特征以及(ji)提高泛化能力。

5、微软给开发者的福音，在VS中整合“生成见解”工具，提升编译效率

微软宣布，在 Visual Studio 2022 最新版(ban)本 17.7 中，將(jiang)整合“生成见解”工具，以为开发者提升效率。微软公告(gao)表示(shi)“生成见解”已经在 VS 2022 中可用，该工具能为开发者提供深(shen)入的见解分析资料(liao)，使开发者更好地了解并且改(gai)善(shan)编译过程(cheng)。

“生成见解”工具会在分析编译过程後(hou)出具一份(fen)报告，其中将会显示 “生成见解”分析每一段(duan)代码變(bian)量对于總(zong)编译时间的影響(xiang)，可以让开发者直观的看出哪(na)些特定代码存在问题，耗(hao)費(fei)大量的编译时间，能够提供开发者一些能够提升编译效率的方案(an)。

可以让开发者更深入理解 C++ 开发，工具通过直观展示代码各部(bu)分在编译时的情況(kuang)，可以让开发者更加了解 C++ 的深入运行过程，并通过了解各部分代码对于总编译时间的影响，找出最佳(jia)化编译流(liu)程的方法，在维持代码品(pin)质的同时，在一定程度上提升开发能力。返(fan)回搜(sou)狐(hu)，查(zha)看更多

責(ze)任(ren)编輯(ji)：