- 综合排序
- 最热优先
- 最新优先
- 来自专栏NewBeeNLP
复旦大学：多模态知识图谱最新综述
来自复旦大学，先上路径： Title：Multi-Modal Knowledge Graph Construction and Application: A Survey Link：https://arxiv.org 在构建上，上面也提到过的，主要有两种方式 (1) from images to symbols，即在图像上标注KG中的符号; (2) from symbols to images，即在图像上标注KG中的对应符号 主要通过两种方式利用MMKG中的图像知识：1）提供实体应该链接的目标实体；2）学习每个多模态数据的分布式表示，然后用它来度量相关性。 Visual Question Answering。
4.7K60编辑于 2022-06-06 - 来自专栏博文视点Broadview
复旦大学教授详解大规模语言模型
OPT给出了9种不同参数规模模型的参数细节，如表2所示。采用AdamW优化器进行优化，其参数(β1,β2)被设置为(0.9,0.95)。其他参数细节可以参考文献[8]。 表2 OPT 不同参数规模模型的参数细节[8] 在预训练语料库方面，根据文献[1]中的介绍,GPT-3的训练语料主要包括经过过滤的Common Crawl[9]、WebText 2、Books 1、Books 2 以及英文Wikipedia 等数据集中的数据。 Muffin、T0-SF、NIV2是之前类似研究中所构造的任务，在FLAN-T5中直接使用。 （2）收集打分数据并训练奖励（Reward）函数。
1K20编辑于 2023-09-07 - 来自专栏肉眼品世界
复旦大学发布：2021元宇宙年度报告
的底层性思考，但元宇宙并非无源之水无本之木，其发展历程始终是立足于过去的底层技术及其文化基质上，我们希望发散一束光，为踟躇不前者探照前方的路，为概念不明者解惑答疑，为元宇宙发展进程测定其尺速，因此腾讯新闻与复旦大学新闻学院传播系共同编写了这份元宇宙报告
39420编辑于 2022-04-19 - 来自专栏安满周
调查活动将与复旦大学联名发布报告
其中，在12月14日的“科技服务日”中，调查活动组委会将与复旦大学网络空间国际治理研究基地联名发布《数字政府服务与治理能力提升专题报告》、《网络安全行业发展专题报告》（行业发展与生态建设、新技术应用与网络安全 复旦大学网络空间国际治理研究基地——12月14日上午 上海：《数字政府服务与治理能力提升专题报告》12月14日下午 上海：《网络安全行业发展专题报告》2022调查活动《数字政府服务与治理能力提升专题报告 这两个专题报告，由复旦大学网络空间国际治理研究基地主任、教授沈逸主导编写，将分别在14日上午和下午的发布会中由沈逸教授面向全社会发布。 （最终议程及参会嘉宾已现场为准）联名单位及发布人简介复旦大学网络空间国际治理研究基地是国家互联网信息办公室和教育部于2018年7月评选的十家网络空间国际治理研究基地之一，已正式进入实体化运行建设，目前依托复旦发展研究院孵化 沈逸，复旦大学国际关系与公共事务学院院长助理，国际政治系教授、博士生导师，复旦大学网络空间国际治理研究基地主任，国家社科基金重大项目“总体国家安全观视野下的网络治理体系”首席专家。
88850编辑于 2022-12-29 - 来自专栏CVer
复旦大学提出SAM2Matting：通用图像和视频抠图
SAM2Matting: Generalized Image and Video Matting 项目主页： https://henghuiding.com/SAM2Matting 代码仓库： https 如下图所示，将SAM2在公开的视频抠图数据集V-HIM2K5上微调后，模型的追踪鲁棒性明显下降，其中Video-FT表示微调后的结果。 SAM2Matting在人像发丝级细粒度抠图中展现出惊艳效果。面对快速运动、透明结构等复杂 in-the-wild 场景，SAM2Matting也能够更稳定地追踪目标并恢复精细细节。 SAM2Matting在这些情况下仍能更可靠地恢复目标 matte。 SAM2Matting在500帧长视频上，保持稳定追踪与精细抠图效果 实时级超高效率 SAM2Matting 的抠图组件轻量。
35610编辑于 2026-07-07 复旦大学肖仰华：AI的尽头是人文
肖仰华 复旦大学计算与智能创新学院教授、博导，上海科学智能研究院AI科学家，上海市数据科学重点实验室主任【精彩观点】1.技术进步历来伴随人的某些能力退化，这不是今天才出现的问题。 2.在消费端：内容极大丰富后，人很难直接消费，将转为“终级消费者”。由个人的AI代理先做筛选与分级消费，给人“二次精选”。未来还会出现“面向AI代理的生产与营销”。 工业时代已是二八定律，AI时代可能走向“2%和98%”——极少数人完成绝大部分生产。7.AI不仅解放时间，更可能让人“全面自由”：身体与头脑的大量工作都被替代，人变成纯粹自由的人。 工业时代已是二八定律，AI时代可能走向“2%和98%”——极少数人完成绝大部分生产。 关键在于：1.清醒识别人机边界，谨慎外包以防能力反噬；2.以人文为锚，发展新文科，重建整体性认知与社会学框架；3.为多数人开辟“未知疆域”的用武之地；4.在教育与个人成长中，着力高阶认知、框架构思与内在品格
58710编辑于 2025-10-28- 来自专栏深度学习与python
又一国产大模型来了，超对称联合复旦大学发布 120 亿参数语言模型 BBT-2， 已开源
作者 | 刘燕 InfoQ 获悉，近日，超对称联合复旦大学发布并开源 120 亿参数语言模型 BBT-2。 据悉，Big Bang Transformer【乾元】12B 大模型的开发基于英伟达的 DGX 算力，超对称公司主导大模型的预训练，并联合复旦大学知识工场实验室完成指令微调和评测工作。 超对称技术公司将发布基于 BBT-2 的系列模型（模型 Index 见于 https://bbt.ssymmetry.com） BBT-2-12B-Text：120 亿参数的中文基础模型 BBT-2.5 , 训了 600 亿 Tokens： （1）BBT-1-0.2B-001：2 亿参数，金融模型，T5 Decoder+Encoder 架构 （2）BBT-1-0.2B-002: 2 亿参数，金融模型，T5 +GPT （3）BBT-1-0.2B-003: 2 亿参数，金融模型，T5+UL2 BBT-1-1B：10 亿参数金融模型，T5 Encoder+Decoder 架构，使用金融中文语料库 1000 亿
61610编辑于 2023-04-30 - 来自专栏QQ大数据团队的专栏
腾讯云联合复旦大学提出 CYANSQL：基于聚类的Test-Time Scaling方法，提升复杂 NL2SQL 生成能力
点击蓝字 关注我们 本文共计3901字 预计阅读时长12分钟 在自然语言到 SQL 转换（NL2SQL）方向，腾讯云联合复旦大学提出CYANSQL：Cluster-aware Yielded Augmentation for NL2SQL 方法。 复杂 NL2SQL 的核心挑战：模型并不总能“见过”正确的逻辑结构 近年来，大语言模型在 NL2SQL 任务中展现出较强能力，能够根据自然语言问题自动生成 SQL 查询。 腾讯云大数据团队从2024年开始布局NL2SQL、NL2Code和RAG等AI重点领域；在2025 年，团队提出的"数据内容感知"设计理念即被数据与数据管理领域国际顶会 VLDB 接收——该设计可无缝集成到主流 年2月） 面向企业级智能数据分析，推动 AI Native大数据平台能力演进 NL2SQL 是企业智能数据分析的重要入口。
42010编辑于 2026-05-18 - 来自专栏TechLead
复旦大学王龑团队发布《静态与动态情感的面部表情识别》综述
论文链接：https://arxiv.org/pdf/2408.15777 复旦大学，王龑博士后领衔，发布《静态与动态情感的面部表情识别》（A Survey on Facial Expression Recognition 图2展示了2016年至2024年间与基于图像的SFER和基于视频的DFER相关的出版物和引用趋势。从2019年开始，出版物和引用量显著增加，并持续增长到2023年，并预计在2024年继续上升。 首先，我们将数据集、评估指标和工作流程（包括文献和代码）引入了一个公共的GitHub仓库中（第1、2和3节）。 2) 我们系统回顾了SFER中涉及的八大主要挑战（如表情干扰、不确定性、跨域不一致性）和DFER中涉及的七大主要挑战（如关键帧提取、表情强度变化、跨模态对齐）的最新代表性方法。
92010编辑于 2024-09-06 - 来自专栏机器之心
向「非升即走」说「不」，复旦大学即将推出替代方案
在前几天举办的一个学术论坛上，复旦大学校长、复旦大学上海医学院院长金力教授对外透露，复旦大学即将推出「非升即走」的替代计划，让在行业内做得足够好的青年科学家不升也能留。 复旦大学校长金力教授作主题报告。 [2] 近年来复旦大学的研究正在逐步向顶尖高校看齐，从 2018 年到 2021 年的 Top 10% 研究主题来看，复旦大学和斯坦福大学的研究方向布局很相似，但和顶尖高校相比在主题数量和学科融合方面还有差距 2022 年 2 月 10 日，浙江工业大学之江学院发布《2022 年高层次人才招聘公告》，明确「高层次人才绩效津贴享副教授待遇：不具有高级专业技术职务的新引进博士，三年内岗位绩效津贴按专业技术七级岗执行 参考链接： [1] http://www.ccschy.com/jiaoyu/254074.html [2] https://www.tmtpost.com/watch/RMCSir [3]https:
67940编辑于 2022-12-15 - 来自专栏AI科技评论
复旦大学校友周礼栋升任微软全球资深副总裁
周礼栋本科毕业于复旦大学计算机科学系，后前往康奈尔大学深造，先后获得计算机科学硕士及博士学位，师从 Fred B.
62330编辑于 2022-09-09 - 来自专栏AI科技评论
复旦大学：利用场景图针对图像序列进行故事生成 | AAAI 2020
作者 | 王瑞泽 编辑 | Tokai 本文介绍了复旦大学研究团队在AAAI 2020上录用的一篇关于多模态文本生成工作: 《Storytelling from an Image Stream Using 一、方法描述 图2：提出的模型概述. 本文提出了一种基于图网络的模型SGVST (如图2所示)，它可以在图像内和跨图像这两个层面上建模视觉关系。 如图2所示，一个男人抱着一个孩子，那么男人和孩子就可以作为图中的节点，他们的视觉关系作为边。 表2：人工评估结果。在AMT上的评估人员根据对每个问题的同意程度来评价故事的质量，评分范围为1-5. （1）图5是不同模型两两比较的一个实验结果，给评价人员2个生成出的故事，然后让他来选择哪一个写的更好。（2）表2是在6个指标上进行的人工评估实验结果。
1.3K40发布于 2019-12-24 复旦大学团队成功研发新型二维闪存
近日，复旦大学研究团队成功利用二维材料制造了功能齐全的存储芯片，并将其直接集成到了传统的硅基芯片上，兼具高速度、低功耗与大容量特性，可大幅提升AI训练与推理效率。 如何将二维材料与CMOS集成又不破坏其性能，是复旦大学研究团队需要攻克的核心难题。“我们没有必要去改变CMOS，而是要去适应它。” 根据论文指出，复旦大学团队使用了其称之为ATOM2CHIP（一款基于原子级器件到芯片）的工艺，直接在传统的 0.13 微米 CMOS 硅芯片顶部生长了一层只有几个原子厚的二硫化钼。 从而形成了一种混合芯片，将 2D NOR 闪存阵列与标准 CMOS 控制器相结合，有效地弥合了实验性纳米材料和行业标准制造之间的差距，攻克了二维信息器件工程化的关键难题，解决了存储速率的技术难题。 而ATOM2CHIP技术引入了一种保形粘合工艺，允许二维材料在底层电路的轮廓上“流动”而不会断裂，而二维友好的封装系统可以防止热和静电损坏。
37910编辑于 2026-03-19CVPR 2026｜复旦大学提出OmniLottie：首个端到端多模态矢量动画生成框架！
作者单位：复旦大学、阶跃星辰、HKU MMLab, University of Queensland 论文地址：https://arxiv.org/pdf/2603.02138 项目主页：https: https://github.com/OpenVGLab/OmniLottie 数据集地址 ：https://huggingface.co/datasets/OmniLottie/MMLottie-2M 构建了 MMLottie-2M，这是一个大规模的 Lottie 动画多模态数据集，并将公开发布以促进未来的研究。 OmniLottie团队还开源了 MMLottie-2M。作为目前业界规模最大的 200 万量级多模态矢量动画数据集，它填补了该领域高质量训练数据的空白。 ；在数据生态上，MMLottie-2M 为后续研究提供了前所未有的海量资源支撑；在实际应用上，得益于远超现有模型的生成可靠性，它成功推动了 AI 动画生成从受限的“实验性探索”迈向成熟的“专业级生产力工具
56310编辑于 2026-03-05- 来自专栏深度学习自然语言处理
复旦大学教授邱锡鹏：NLP 任务中有哪些巧妙的 idea？
，目前已经有1188+关注，40000+浏览量，今天就为大家分享下获得最高点赞的答案，复旦大学邱锡鹏教授的回答： ? 这个问题很有趣！ 2. 词袋模型 ( Bag-of-Words ) 将一篇文档看作是一个词的集合，不考虑语法，甚至是词序信息也都抛弃了。 https://en.wikipedia.org/wiki/Distributional_semantics 2. term-document matrix https://en.wikipedia.org
1.1K31发布于 2019-12-09 - 来自专栏AI科技评论
动态 | 谷歌与复旦大学成立联合实验室，专注AI等新兴科技
5 月 31 日，谷歌与复旦大学签署两年期合作协议，并建立战略合作关系。这是谷歌继中国中心后，在中国基于人工智能的又一次探索。 ? 据 Google 官方新浪微博 @Google 黑板报 消息，谷歌与复旦大学签署两年合作协议，并成立「复旦大学-谷歌科技创新联合实验室」。 5 月 31 日，Google 在上海与复旦大学举行签约仪式并签署两年期合作协议，建立战略合作关系。 复旦大学常务副校长桂永浩教授、校长助理徐雷教授、Google 大中华区总裁石博盟（Scott Beaumont）、Google 大中华区公共政策与政府事务经理张弘、Google 中国教育合作部经理朱爱民等出席了签约仪式 本次与复旦大学的合作，也是谷歌在中国这片土地上基于人工智能的又一次探索。
1K50发布于 2018-07-26 - 来自专栏数说工作室
复旦大学提出中文分词新方法，Transformer连有歧义的分词也能学
本文经机器之心（微信公众号：almosthuman2014）授权转载，禁二次转载 参与：思源、一鸣 复旦大学邱锡鹏等研究者提出新型分词方法，只有能 Cover 多个分词标准和最新 Transformer 鉴于这一点，复旦大学提出了一个简洁而有效的模型，它能适用于多种中文分词标准。这种模型使用共享的全连接自注意力机制，从而能根据不同的标准进行分词。 图 2：研究者提出用于多标准中文分词的模型。 嵌入层：嵌入层的目的即将词映射某个向量，除了标准的字符嵌入，研究者还引入了分词标准嵌入、位置嵌入、Bigram 嵌入三种额外信息。 表 2 提供了 8 个数据集在预处理后的细节信息。整个实验使用标准的评价方法——评价精度、召回率和 F1 分数。 ? 表 2：预处理后的 8 个数据集的具体信息。
1.2K20发布于 2019-07-12 - 来自专栏机器之心
首个基于时序平移的视频迁移攻击算法，复旦大学研究入选AAAI 2022
复旦大学开展针对视频模型中对抗样本迁移性的研究，以促进视频模型的安全发展。 近年来，深度学习在一系列任务中（例如：图像识别、目标识别、语义分割、视频识别等）取得了巨大成功。 为了进一步剖析上述观点，来自复旦大学姜育刚团队的研究人员首先针对多个常用视频识别模型（video recognition model）的时序判别模式间的相似性展开研究，发现不同结构的视频识别模型往往具有不同的时序判别模式
81430编辑于 2021-12-22 复旦大学 × 阶跃星辰开源最新力作PixelSmile：AI 终于实现人脸表情PhotoShop
作者：Jiabin Hua，Wei Cheng等 解读：AI生成未来 复旦大学与阶跃星辰最新研究开源，聚焦人脸的细粒度表情编辑，把表情编辑真正做出了 PhotoShop 编辑的感觉！ 最近，复旦大学与阶跃星辰联合推出 PixelSmile，把这件事往前推了一大步。
53010编辑于 2026-04-02- 来自专栏深度学习自然语言处理
一文了解复旦大学DISC实验室4篇COLING 2022论文内容
在COLING 2022中, 复旦大学数据智能与社会计算实验室 (Fudan DISC) 共计 4 篇文章被录用, 其中包括 3 篇长文和 1 篇短文。 我们对PHEME数据集进行了扩展，对2万余条推特消息进行了标注，数据分析表明信息引爆点在社交网络中更具有泛化属性，尽管信息引爆点在整体消息中占比较低但却对谣言判别具有辅助作用。 2 A Two Stage Adaptation Framework for Frame Detection via Prompt Learning 作者：牟馨忆，魏忠钰，蒋昌建，彭佳杰 类别：Long 我们在数据集HotpotQA和2WikiMultiHopQA上进行了实验，结果表明我们的方法可以有效地提高性能，在没有问题分解监督数据的情况下也可以产生更好的可解释推理过程。
1.4K20编辑于 2022-08-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号