来自复旦大学,先上路径: Title:Multi-Modal Knowledge Graph Construction and Application: A Survey Link:https://arxiv.org
erative Pre-trained Transformer 3)[1]以来,包括Google、Meta、百度、智源研究院等在内的公司和研究机构纷纷发布以 PaLM[2]、LaMDA[4]、T0[5] FLAN-T5[3]混合应用Muffin[19]、T0-SF[5]、NIV2[20]以及思维链(Chain-of-thought,CoT)混合微调等任务,使用473个数据集,针对146种任务类型,构造了 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。 FLAN-T5构建了9个数据集用于思维链混合微调任务,包括数学推理、多跳推理、自然语言推断等。图4给出了在指令和训练目标中添加思维链的示例。 基于上述标注数据和初始的大模型,整个RLHF方法包括三个基本步骤,如图5所示。 图5 整个RLHF 方法的基本步骤[21] (1)收集初始数据,初步训练大模型。
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
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。
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。 5.未来的人类社会将开启新的大航海时代,类似于马斯克探索宇宙,走向深空。这将有助于避免人类在地球上的内卷式消耗。6.必须正视“闲置劳动力”的安置。 :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;5.
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 接着,基于图像的SFER(第4节)和基于视频的DFER(第5节)通过不同的学习策略和模型设计来克服不同的任务挑战。随后,我们分析了FER在基准数据集上的最新进展(第6节)。
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。 金力教授表示,复旦大学很快会推出一个非升即走的替代计划,「就是说你不升也能留,只要你做得足够好」。 那成果要怎么评价呢? [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 除了复旦大学之外,国内也有部分高校在引进人才时强调不进行非升即走。
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.
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 本文还进行了消融实验,和提出模型的5个变种模型进行了比较,来验证模型每个模块部分的重要性。从表1中可以看在不使用GCN和TCN的时候,模型性能有一个很大的下降。 图5:每种颜色代表了相对应模型产生的故事,被评价人员认为更加像人写的、更有表现力所占的比例。灰色的”Tie”代表了打平. 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. 为了更好地评价生成的故事的质量,作者通过Amazon Mechanical Turk(AMT)进行了两种人工评价。 (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。
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。 复旦大学集成电路与微纳电子创新学院、集成芯片与系统全国重点实验室研究员刘春森和教授周鹏为论文通讯作者,刘春森研究员和博士生江勇波、沈伯佥、袁晟超、曹振远为论文第一作者。 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。
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: 该分词器支持五种基本图层类型,每种类型由唯一的类型参数标识:预合成(ty=0)、纯色(ty=1)、空对象(ty=3)、形状(ty=4)和文本(ty=5)。
阅读大概需要5分钟 跟随小博主,每天进步一丢丢 整理:达观数据 在知乎中自然语言处理话题下有一个非常有意思的话题 "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! 5.
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。
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。 最终,他们在 8 个不同的分词标准上进行了测试,使用了 5 个简体和 3 个繁体中文的语料。实验说明,模型可以有效提升在多标准分词中文任务中的表现。 表 5 展示了模型在 8 个测试集上的表现。 ? ? 表 5:模型在测试集上的表现。P、R、F、OOV 分别表示精度、召回率、F1 分数和不在词表的词语的召回率值。
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
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。
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。
“本文作者:张军平,复旦大学计算机科学技术学院教授、博士生导师。 大数据产业创新服务媒体 ——聚焦数据 · 改变商业 ---- 上个月出门,发现十字路口的交警和辅警人数明显增加了。 关于作者张军平 张军平,复旦大学计算机科学技术学院教授、博士生导师。主要研究方向是人工智能、机器学习、图像处理、生物认证及智能交通。 现指导有博士生5名,硕士生11名。 1名在美国水牛城大学任tenure-track副教授,1名在复旦大学任青年研究员。在国内的学生毕业后主要在BAT工作。 在金融方面的研究成果曾在2018年被复旦大学官网首页报道。
机器之心报道 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 的方法,才是好的中文分词方法。 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。 最终,他们在 8 个不同的分词标准上进行了测试,使用了 5 个简体和 3 个繁体中文的语料。实验说明,模型可以有效提升在多标准分词中文任务中的表现。 表 5 展示了模型在 8 个测试集上的表现。 ? ? 表 5:模型在测试集上的表现。P、R、F、OOV 分别表示精度、召回率、F1 分数和不在词表的词语的召回率值。
Datawhale 作者:邱锡鹏,复旦大学教授 寄语:本文梳理了深度学习知识体系,分为机器学习、神经网络和概率图模型,同时对机器学习算法类型、深度学习原理框架等进行了梳理,帮助大家更好地学习和入手深度学习 随着深度学习的快速发展,模型深度也从早期的5 ∼ 10 层到目前的数百层。随着模型深度的不断增加,其特征表示的能力也越来越强,从而使后续的预测更加容易。 5. 本文摘编自复旦大学邱锡鹏教授的《神经网络与深度学习》,经出版方授权发布。自2016年在复旦大学计算机学院开设了《神经网络与深度学习》这门课程后,邱锡鹏老师的讲义便广为流传。