- 奇绩大模型日报(9月 30日)
- 资讯
- 北大陈宝权教授:从图形计算到世界模型
- 开源版Cursor”PearAI引争议:靠fork代码获YC 50万美元融资,创始人澄清贡献者问题
- 能源转型:国内电力需求与投资再提速,设备出口持续高增
- 推特
- Karpathy强推Deep Dive:按需播客,基于你提供的任何素材生成/链接的内容,在Notebook ML 中生成
- Willison分享对 NotebookLM 新的音频概览功能的笔记
- Meta Allen Zhu分享视频教程:语言模型物理学:如何从小学数学问题中的错误中学习
- 手动计算 MLP Excel:Tom Yeh分享练习,手动计算四层网络
- HuggingFace联创Wolf分享总结:开放多模态 LLM 发布的疯狂月份
- 信号
- Discovering the Gems in Early Layers: Accelerating Long-Context LLMs with 1000x Input Token Reduction
- Eureka: Evaluating and Understanding Large Foundation Models
- Chain of Thought Empowers Transformers to Solve Inherently Serial Problems
- Human-like Affective Cognition in Foundation Models
- 产品
- Highlighter
- Sensay Replicas
- HuggingFace&Github
- Retrieval-based-Voice-Conversion-WebUI
- Disco4D
- LLaVA-3D
- 投融资
- 学习
- 浅入浅出Megatron框架之训练和保存模型
- Nvidia GPU架构研读系列——Maxwell
- LLM高效预训练(二)
- LLM Adaption,从MetaAI的三篇Blog看起
- 为什么ppo优于policy gradient?
- OpenAI o1 技术初探1:整体框架,利用Test-Time Scaling Law提升逻辑推理能力
- OpenAI o1能否支撑AGI的新Scaling?
- 招聘公告
- 🚀F24实习岗位
- 火热开放中🚀
奇绩大模型日报(9月 30日)
奇绩大模型日报(9月 30日)
2024年10月3日修改
资讯
北大陈宝权教授:从图形计算到世界模型
北京大学陈宝权教授在第九届计算机图形学与混合现实研讨会(GAMES 2024)上,发表了题为《从图形计算到世界模型》的主旨报告,深入探讨了图形计算如何助力世界模型的构建。报告中,他通过详细案例和研究成果,展示了图形仿真在数据生成、环境构建、模型训练及优化中的关键作用。
陈教授首先介绍了世界模型的基本概念及其重要性。他指出,尽管学术界和产业界尚未对世界模型达成统一定义,但其核心能力在于预测、推理、决策和规划。在人工智能(AI)和自动驾驶等领域,已有一些大模型展示出构建世界模型的潜力,如无人驾驶仿真系统通过多模态数据生成精确场景预测并进行动态决策。陈教授认为,图形仿真的核心在于模拟(simulation),其生成的大量高质量、标注丰富的数据能够有效扩展模型训练的边界,并助力模型在真实世界中的应用。
接着,他阐述了如何通过“real to sim”与“sim to real”的双向转化策略,进一步提升仿真数据的真实感和应用广度。特别是在无人驾驶、数字人运动控制、机器人行为策略等领域,仿真技术已成为构建复杂应用场景的重要支撑。此外,他还介绍了“可微分仿真”在复杂动态现象模拟与优化中的新进展,这种方法不仅提升了模型训练效率,还能通过物理监督与梯度回传机制,提供更精准的策略学习能力。
陈教授在报告中展示了其团队在软体仿真、多物理场景交互等领域的突破性研究,如实时软体变形、流体与固体交互模拟、磁软体仿真等,进一步验证了仿真技术在构建世界模型过程中的核心价值。
附件不支持打印
加载失败,