- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI科技评论
观点 | 学术青年如何克服拖延症——5条技巧助你前进
AI 科技评论按：「我准备好了就开始」（或者说「拖延症」），以及「即便动起手来也觉得举步维艰」大概是每个现代人都逃不过的日常感受，不管是学习、在企业中工作，还是从事学术研究。 她分享了 5 条实际的操作技巧。没准能给你一点帮助。 ? 你是否有过这样的经历：在上班时，你无精打采地坐在电脑前，准备开始做一个项目，你机械地打开编辑器，顿觉浑身僵硬，只知道盯着屏幕傻看？
84320发布于 2018-11-08 - 来自专栏深度学习自然语言处理
【学术会议】如何rebuttal学术论文?
当同行评议（Peer review）作为学术成果正式发布的必经之路已运行200余年[1]时，用正确的姿势进行review rebuttal便成为提高论文录用机率甚至扭转乾坤的最后一搏。 三部分来聊聊学术论文（主要针对人工智能领域会议和期刊）rebuttal的那些事。 || What is peer review？ “Peer review”趣图（原图来自网络） Peer review是一种学术成果审查程序，即作者的学术著作或proposal被同一领域的其他专家学者评审，并根据评审意见决定是否予以录用（Accept 对于计算机学科特别是人工智能领域的学术会议和期刊，其均有相对成熟和流程化的同行评议（即审稿）机制。 事实上，许多审稿人（约50%以上[5]）会在审稿意见提交deadline的最后三天内完成评审，每篇工作在审稿人处花费的时间一定非常有限。
2.8K20发布于 2020-02-18 - 来自专栏全栈程序员必看
谷歌学术搜索文献_谷歌学术论文翻译
sheet.write(TotalNum, 3, paper.journal) sheet.write(TotalNum, 4, paper.authors_link) sheet.write(TotalNum, 5, start=' + str(start) + '&q=' + key + '&hl=zh-CN&as_sdt=0,5' start = start + 10 GetInfo(sheet1,url) myxls.save
1.2K20编辑于 2022-11-10 - 来自专栏深度学习自然语言处理
【学术分享】40个科研学术网站，收藏必备，予取予求！
http://sci-hub.se 2.http://sci-hub.is 3.https://gfsoso.99lb.net/sci-hub.html 4.https://sci-hub.shop/ 5. 免费搜索学术文章的Google网络应用。2004年11月，Google第一次发布了Google学术搜索的试用版。该项索引包括了世界上绝大部分出版的学术期刊， 可广泛搜索学术文献的简便方法。 DOAJ(Directory of Open Access Journal)，由瑞典的隆德大学图书馆Lund University Libraries设立于2003年5月，DOAJ的优势在于收录的期刊的有着严格的质量控制 于2008 年5月上线，至今已经有300,000多来自196不同国家的科学家加入此共同体。ResearchGATE针对著科学家以及研究人员提供对科研做有利的线上服务。 「台大学术期刊数据库」收录台大各学术研究单位出版之中外学术期刊论文篇目与全文，审查过程严谨、内容丰富详实、撰写格式一致，具相当程度之学术水平，为查询中国台湾一流学府之学术研究发展、辅助教学研究之最佳数据库
12.7K10发布于 2019-12-26 - 来自专栏小汪Waud
享受学术社交
“我想写学术社交这个主题已经非常久了，一直没有动手。 什么是学术社交？ 学术社交是指在学术圈内，通过参加会议、研讨会等线上或线下的活动，与同行科学家、研究人员、学生建立并维持专业关系的过程。 不仅仅是为了结识更多的人，还包括分享研究成果、讨论学术问题、寻找合作机会以及拓展自己的学术网络。 为什么要做学术社交？ 部分会议安排 2 在研究领域已有一定的积累和思考 相比于21年第一次参加学术会议（记第一次参加学术会议），我少了许多稚气，多了些许知识。 5块一根的大油条 如果非要说还有什么不足之处，首先长春距离武汉是有些远的，飞机友好（3h），高铁太不友好了（12h）。
48010编辑于 2024-08-26 - 来自专栏AiCharm
每日学术速递4.3
近年来，LLMs的研究得到了学术界和产业界的大力推进，其中一个引人注目的进展是ChatGPT的推出，引起了社会的广泛关注。
50910编辑于 2023-05-15 - 来自专栏AiCharm
每日学术速递4.6
1.PODIA-3D: Domain Adaptation of 3D Generative Model Across Large Domain Gap Using Pose-Preserved Text-to-Image Diffusion
43310编辑于 2023-05-15 - 来自专栏AiCharm
每日学术速递10.18
1.Im4D: High-Fidelity and Real-Time Novel View Synthesis for Dynamic Scenes
35510编辑于 2023-10-24 - 来自专栏AiCharm
每日学术速递7.28
1.CLR: Channel-wise Lightweight Reprogramming for Continual Learning(ICCV 2023)
36910编辑于 2023-09-06 - 来自专栏AiCharm
每日学术速递7.30
推荐阅读 每日学术速递7.29 2023-07-29 这次来真的？ 室温常压超导全球复现一文速览 2023-07-28 每日学术速递7.28 2023-07-28 每日学术速递7.27 2023-07-27 树莓派上运行 Stable Diffusion，260MB
35220编辑于 2023-09-06 - 来自专栏AiCharm
每日学术速递9.2
1.Is it an i or an l: Test-time Adaptation of Text Line Recognition Models
29320编辑于 2023-09-06 - 来自专栏凹凸玩数据
再见了，学术硕士！
这句话的意思是，国家已经决定了，学术型硕士今后不发展了，只发展专业学位硕士。 很多读者可能不知道，学术硕士与专业硕士有何区别，我简单解释一下。 ? 大学毕业后，如果你还想继续读硕士，有两个方向可以选。 一个是学术方向，继续钻研理论知识，这叫学术型硕士，传统的硕士都是这一类。 所以，专业硕士会减少学术训练（比如写论文、查文献），而加强业务实践（比如案例分析）。因此，如果你想搞学术，留在学术界，那就读学术硕士；如果你不想搞学术，想去企业和政府，那就读专业硕士。 由于我国专业硕士起步晚，发展得不如学术硕士正规，很多大学的专业硕士培养非常马虎，而且往往是走读。所以，大家有一种印象，学术硕士才是正规硕士。 正是因为看到这一点，国家才最终决定，不发展学术硕士了，高层次的学术人才就是本科毕业直攻博士。
65720发布于 2021-07-12 - 来自专栏arXiv每日学术速递
机器学习学术速递
在5个真实数据集上的实验结果表明，该方法比原始GCN模型提高了分类精度，且有明显的边缘（+2.5%～+84.2%）。 特别是，我们在3个生物医学NER数据集上获得了新的SOTA F1分数：BC5CDR化学93.74，BC5CDR疾病90.69，NCBI疾病92.28。 In particular, we achieve new SOTA F1-scores on 3 Biomedical NER datasets: BC5CDR-chem 93.74, BC5CDR-disease 应用场景包括作为5G网络质量在预测用户位置的函数的视频质量自适应，以及基于预测用户位置加速内容呈现的增强现实应用。 将其应用于10个不同的作物-国家对（5种谷物——玉米、小麦、高粱、大麦和谷子，在埃塞俄比亚和肯尼亚这两个国家），我们在一年中9个月的预测中实现了5\%-10\%的rmse，在一年中3个月的预测中实现了7
2.1K20发布于 2021-07-02 - 来自专栏AiCharm
每日学术速递3.4
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理
35210编辑于 2024-03-04 - 来自专栏AiCharm
每日学术速递5.24
1.Reprompting: Automated Chain-of-Thought Prompt Inference Through Gibbs Sampling
37510编辑于 2023-06-07 - 来自专栏AiCharm
每日学术速递7.23
1.Text2Layer: Layered Image Generation using Latent Diffusion Model
35720编辑于 2023-09-06 - 来自专栏AiCharm
每日学术速递5.1
1.Putting People in Their Place: Affordance-Aware Human Insertion into Scenes
44220编辑于 2023-05-16 - 来自专栏AiCharm
每日学术速递12.16
Reducio-DiT使用T5特征作为文本条件，并采用图像语义编码器和上下文编码器提供额外的图像条件，以告知模型视频的空间内容。 Reducio-DiT使用T5特征作为文本条件，并采用图像语义编码器和上下文编码器提供额外的图像条件，以告知模型视频的空间内容。 具体来说，目标是使用少量（2-5张）的输入关键帧来生成一个场景视频，视频中的相机轨迹和几何结构是真实且连贯的。 5. 数据增强和泛化 数据增强：为了提高模型的泛化能力，论文应用了包括随机旋转、缩放、翻转、抖动等多种数据增强技术。 6. 5. 失败模式分析 模型局限性：分析了FIND3D在某些情况下可能失败的原因，例如对于没有明显几何特征的细粒度部分的识别。
1.2K00编辑于 2024-12-19 - 来自专栏AiCharm
每日学术速递12.10
1.Object Recognition as Next Token Prediction
41010编辑于 2023-12-13 - 来自专栏AiCharm
每日学术速递12.22
1.What Makes Good Examples for Visual In-Context Learning?
26510编辑于 2023-12-28
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