- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据派THU
2023年4月的12篇AI论文推荐
本月的论文推荐除了GPT-4以外还包括、语言模型的应用、扩散模型、计算机视觉、视频生成、推荐系统和神经辐射场。 GPT-4 在上个月一直是无可争议的明星。这篇评估报告包含了 GPT-4 实验的样本和操作。 这篇论文试图为各种职业量化这一点。 通过观察历史上主流未来主义者在预测哪些事情难以自动化以及 AI 将首先学习做什么方面表现得多么糟糕来作为序言。然后量化了使用 LM 的不同任务的生产力收益。 Bernstein 这篇论文展示了让生成式AI具备记忆、规划、沟通和反思的能力，让其像人类一样自然活动、社交、成长。 1）AI自己建立了记忆体系并定期进行深层次反思，从而获得对新鲜事物的见解； 2）AI之间建立了关系并记住了彼此； 3）AI之间学会了相互协调； 4）AI之间学会了共享信息； 5）AI具备了定制和修改计划的能力
87421编辑于 2023-04-25 - 来自专栏时空探索之旅
AI论文速读 |【Mambda×时序预测】时光机TimeMachine：4 Mambas for LSTF
论文标题：TimeMachine: A Time Series is Worth 4 Mambas for Long-term Forecasting （这篇的标题应该是在模仿PatchTST的标题：A papers.cool/arxiv/2403.09898 代码：https://github.com/Atik-Ahamed/TimeMachine TL；DR：本文提出了一个名为TimeMachine的模型，通过4个 Q: 这篇论文试图解决什么问题？ 论文指出，同时实现这些理想属性仍然是一个挑战。 Q: 论文做了哪些实验？
79410编辑于 2024-11-19 论文检测，论文降AI率，降AI率的工具
论文怕因 AI 痕迹过重被质疑学术不端，自媒体文章担心 AI 味太浓，读者不买账。别慌，文字滚筒鸭带着 “全能神器” 闪亮登场，一站式解决你的 AI 率难题！ 一、精准检测，让 AI 痕迹无所遁形文字滚筒鸭拥有自研的前沿检测算法，对论文、自媒体文章等各类文本展开深度扫描。它就像一位经验老到的侦探，不放过任何一处 AI 生成的蛛丝马迹。 从遣词造句的风格，到逻辑结构的搭建，一旦发现与 AI 模式相似之处，立刻精准定位。比如论文中那些过于规整、缺乏灵活变化的句式，或是自媒体文章里频繁出现的热门 AI 词汇组合，都逃不过它的 “法眼”。 一番操作下来，能将 AI 率大幅降低，使重复率稳稳控制在 3% 以内，让文章重新焕发原创生机。三、论文查重，保驾护航学术之路对于学生和学者而言，论文查重是一道绕不开的关卡。 一旦发现重复内容，即刻标记，并结合降重功能，给出针对性修改建议，助力论文顺利通过查重，为学术创作筑牢诚信基石。
83621编辑于 2025-04-23- 来自专栏时空探索之旅
论文拾遗 | 4月论文集锦
因此，决定开设此栏目，分享有一些有意思的论文（热度大），有部分论文可能后续出AI论文速读和论文精读。 分享的论文将不拘泥于时空（spatial-temporal）和时序（time series）领域，我们也会收录其他领域有意思的文章，期待与大家在学术的海洋中，一起探索，一起遨游！ 关键词：语言模型，时间序列，零样本推理 通过GPT-4获取可以执行以生成信号的代码来生成真实的时间序列和文本对 3. （就5页） 关键词：Mamba，Transformer，时间序列预测 MambaFormer 4. 关键词：Visual Mamba，状态空间模型 4.
53110编辑于 2024-11-19 - 来自专栏时空探索之旅
AI论文速读 | 【综述】（LLM4TS）大语言模型用于时间序列
详细介绍了各种方法，包括（1）LLM的直接提示，（2）时间序列量化，（3）对齐技术，（4）利用视觉模态作为桥梁机制，以及（5）LLM与工具的结合 。 同时维护一个最新的 Github 仓库，其中包含论文中所有论文和数据集。 Q: 这篇论文试图解决什么问题？ LLM4TS研究分类（左）及相关论文（右） A: 这篇论文提到了多项与大型语言模型（LLMs）在时间序列分析中的应用相关的研究。 ., 2023] EEG-to-Text [Wang and Ji, 2022] GPT4TS [Zhou et al., 2023a] 视觉作为桥梁（Vision as Bridge）: ImageBind 总的来说，这篇论文为如何将LLMs应用于时间序列分析提供了一个全面的框架，并为未来的研究和实践提供了指导。 Github仓库 该仓库维护了目前有关LLM4TS的相关论文，按照5个分类进行了分门别类。
87210编辑于 2024-11-19 - 来自专栏CV学习史
GoogLeNetv4 论文研读笔记
为此，他们设计了Inception v4，相比v3，它有更加统一简化的网络结构和更多的inception模块 在本文中，他们将两个纯Inception变体(Inception-v3和v4)与消耗相似的 Inception-v4网络的35 * 35 网格模块，对应Inception-v4的Inception-A ? Inception-v4网络的17 * 17 网格模块，对应Inception-v4的Inception-B ? Inception-v4网络的8 * 8 网格模块，对应Inception-v4的Inception-C ? 35 * 35 -> 17 * 17 的降维模块(Fig7) ? 之后Inception-ResNet-v2与Inception-v4相比，架构的总体结构可以看出是很相似的，最大的区别在于数据是否是直接传到下一层的，如下 Inception-v4(Inception-A
80520发布于 2019-09-10 - 来自专栏Mybatis学习
YOLO V4论文解读
YOLO V4论文解读 一、YOLOV3回顾 二、YOLOV4中 三、Bag of freebies 数据扩充： 模拟对象遮挡： 结合多幅图像进行数据扩充： 解决类别不平衡： label smoothing module: 3、feature integration:（特征集成） 4、activation function: 5、post-processing method: YOLOv4 - use: 五 、 Random training shapes (随机多尺度的训练) 12、 Mish activation 13、 CSP 14、 SPP 15、 SAM-block 16、 PAN YOLO V4论文地址 CIoU_ loss(yolov4采用的) Yolov4-use: 1、CutMix and Mosaic data augmentation. 2、DropBlock regularization. 好了上面就是对YOLOv4的一些新的改进的解读，具体参考了b站的一位小伙伴，后面我将继续写下yolov4的代码具体实现。。。真的好难，加油！
1.1K30发布于 2021-06-21 - 来自专栏ai论文生成工具
2周测9款AI论文工具，仅4款帮我过了导师审核
过去 2 周，我测了 9 款主打 “学术写作” 的 AI 工具，从 “选题生成” 到 “降 AIGC 率” 挨个试，最终只有 4 款帮我把论文从 “导师皱眉版” 改成 “直接过审版”。 今天把这 4 款 “幸存者” 的实测体验分享给你，避开 AI 论文的 “踩坑雷区”。 按照提示修改后，题目变成《乡村小学人工智能教育应用的有效性研究》，aicheck 生成的大纲详细到 “第一章：乡村小学 AI 教育的现状（含 3 个调研案例）”关键优势：4. 2. aibiye：降 AIGC 率核心能力：用 “学术规范” 拆解 AI 的 “机械表达”，同时保住论文的 “原创性”实测场景：我用某通用 AI 写了《乡村小学 AI 教育》的文献综述，导师批注：“句式太规整 秒篇：“人类感” 的注入器用 “真实细节” 替换 AI 的 “模板表达”，让论文有 “你的温度”实测场景：我用 AI 写的 “研究结论” 部分，导师说：“太生硬，不像你做的调研。”
49600编辑于 2025-09-02 - 来自专栏新智元
4分钟视频讲解DeepMind论文：AI在复杂环境中学习运动
【新智元导读】DeepMind 的论文 Emergence of Locomotion Behaviours in Rich Environments 探索了丰富的环境如何有助于促进复杂行为的学习。 DeepMind 的论文 Emergence of Locomotion Behaviours in Rich Environments 探索丰富的环境如何有助于促进复杂行为的学习。 这篇4分钟的视频论文解析很好地讲解了论文的大意，特推荐给读者。 具体来说，我们在不同环境环境下训练智能体，发现这样可以增强智能体的稳健行为，使其在一系列任务中表现良好。 下面是论文中的更多图示： ? Planar Walker（左）、Humanoid（中）和MemoryReacher（右）任务中的DPPO基准性能。 ? 网络架构示意图 ?
1.1K50发布于 2018-03-22 - 来自专栏java知识
如何用AI写论文
注：本文适配计算机类本科/硕士论文写作，涵盖算法类、工程类、理论分析类论文场景，核心依赖工具包括掌桥科研AI、DeepSeek、LaTeX AI Editor、Origin AI，所有操作均基于学术规范 框架搭建：AI生成标准化论文大纲计算机类论文大纲需遵循“引言-相关工作-研究方法-实验设计-结果分析-结论”的固定范式，AI可基于选题自动生成结构化大纲，并补充各章节核心技术要点。 三、实验环节：AI辅助数据处理、可视化与结果分析计算机类论文的实验部分需完成“数据集配置、模型训练、性能评估、结果可视化”，AI可辅助处理实验数据、生成标准化图表、分析实验结果，提升论文说服力。1. 格式排版：AI适配期刊/学位论文规范LaTeX排版优化：通过LaTeX AI Editor上传论文初稿，AI自动校验格式错误（如标题层级混乱、公式编号错误、图表引用不对应），同时适配目标期刊模板（如IEEEtran ），同时提示“需在论文致谢中注明AI工具的使用范围（如文献梳理、格式排版）”，符合学术规范。
42010编辑于 2026-01-16 深度剖析免费AI论文神器 文赋AI论文 + DeepSeek，教你借助 AI 提升论文写作效率（全网最深度图文指南）
DeepSeek 和文赋 AI 作为两款免费且功能强大的 AI 工具，为论文写作带来了新的可能。本指南将深度剖析这两款工具，并手把手教你如何借助它们提升论文写作效率。 其先进的算法能够对这些信息进行智能整理和分析，为论文写作提供全面且有价值的参考依据。（二）文赋 AI文赋 AI 专注于论文内容的创作和优化。 它能够根据输入的主题和相关要点，生成逻辑清晰、结构合理的论文大纲，并进一步创作丰富详细的论文内容。同时，文赋 AI 还具备语言优化功能，能提升论文的学术性和专业性。 八、论文完善：DeepSeek 与文赋 AI 协同作战（一）逻辑检查使用文赋 AI 的内容分析功能，检查论文各部分之间的逻辑连贯性。 希望本指南能帮助你充分利用 DeepSeek 和文赋 AI 提升论文写作效率，顺利完成高质量的论文。
52310编辑于 2025-03-09- 来自专栏机器之心
AI顶会，正在使用AI来审阅AI论文
机器之心报道 编辑：蛋酱、泽南 近年来我们在报道 AI 顶会的文章里不断听到「史上最大」、「论文数量新高」等字眼，论文的审核俨然成了一项挑战。但既然是在研究 AI，为什么不让机器来自动解决问题？ AI 会议的组织者希望通过提高匹配质量来推动同行评审和出版论文的质量。 为了提升匹配质量，CMU 的计算机科学家 Ivan Stelmakh 开发了一种名为「 PeerReview4All」的算法，通常匹配系统会最大程度地提升论文和审稿人之间的平均亲和力，但有可能出现「厚此薄彼 PeerReview4All 旨在最大程度地提升最差匹配的质量，注重增加该过程的公平性。 2021亚马逊云科技 AI 在线大会 4月22日 14:00 - 18:00 大会包括主题演讲和六大分会场。
61320编辑于 2023-03-29 - 来自专栏CreateAMind
4篇前沿强化学习论文
4 UNSUPERVISED CONTROL THROUGHNON-PARAMETRIC DISCRIMINATIVE REWARDS David Warde-Farley, Tom Van de Wiele
69330发布于 2018-12-26 - 来自专栏数据派THU
详解AI Lab 21篇CVPR 2018论文（附论文）
本文从立题背景、作者思路及研究特点为你详解计算机视觉顶会论文。 一年一度的计算机视觉顶会CVPR即将召开，入选论文也陆续揭晓。 今天分享入选论文解析的是腾讯AI Lab。 在去年6篇入选之后，腾讯AI Lab今年状态更勇，总共有21篇论文入选CVPR。 以下是21篇入选论文详解： 1. 4. 视频描述的重构网络 Reconstruction Network for Video Captioning 本文由 AI Lab主导完成。 在论文中，利用自然语言描述视频序列的视觉内容使这个问题得到解决。
94640发布于 2018-06-07 - 来自专栏DeepSeek - R1
如何巧用 DeepSeek 和文赋 AI 论文，完成论文初稿
DeepSeek 和文赋 AI 论文这两款利器，若能巧妙配合，足以助力在一天内完成论文初稿，为后续精修留出充裕时间。 文赋AI论文——论文写作神器~一键生成论文前期筹备：锁定主题与日程规划在开启创作前，明确论文主题是关键。假设本次论文聚焦 “人工智能在医疗影像诊断中的创新应用”。 上午：靠文赋 AI 论文搭建稳固大纲完成资料收集后，切换至文赋 AI 论文平台。在选题模块输入论文主题，文赋 AI 论文即刻分析该选题的研究价值、当前学术热点及潜在突破方向，进一步明晰论文走向。 午后：用文赋 AI 论文充实内容成稿（一）依大纲逐章生成内容以大纲为指引，在文赋 AI 论文平台中，按章节依次生成内容。 不过，在使用 AI 工具辅助写作时，作者务必保持批判性思维，对生成内容仔细甄别、审慎审核，保障论文学术质量与原创性。
44010编辑于 2025-04-30 - 来自专栏数据派THU
近期AI领域8篇精选论文（附论文、代码）
本文带你发掘近期8篇AI领域精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。 in Large Domains @xcwill 推荐 #Dialog Systems 本文来自剑桥大学和 PolyAI，论文提出了一种新的强化学习方法来解决对话策略的优化问题。 围绕答案选择、最佳答案选择、答案触发三个任务，论文提出的模型 RTM 取得了多个 state-of-art 效果。 审议是人们日常生活中的一种常见行为，如阅读新闻、撰写论文/文章/书籍，在本文中，团队将审议过程引入到编码器 - 解码器框架中，并提出用审议网络进行序列生成。 论文链接：https://www.paperweekly.site/papers/1749
86580发布于 2018-06-07 - 来自专栏新智元
【Bengio一人署名论文】提出“意识RNN”，用4页纸进军通用AI
深度学习三巨头之一的Yoshua Bengio，昨天在arXiv上传了一篇论文，不长，只有4页，而且署名只有他一人。作为伟大（出名）科学家的好处（往往也是坏处），可能就是你的一举一动都随时有人关注。 所以，我们今天将介绍这篇论文。 Reddit网友评论称，谁没有过这样的体验——晚上喝高了狂书4页纸宣泄完一个让自己感觉好到爆的概念，然后上传到arXiv？ Bengio还写道，这项研究打开了将深度学习与经典符号AI和认知科学联系起来的大门，并将深度学习从感知转移到更高层次的认知和知识表征。 当然，这并不是说我们要回归到符号主义，而是“去考虑由深度学习智能体所捕获的那些表征的一种正则化形式，可以具有许多经典AI事实和规则的属性，同时也为在这个拥有各种不确定和非离散方面的世界中进行推理和规划提供更加丰富的表征 在将意识状态映射为自然语言表述，或用事实和规则的形式表达经典AI知识的时候，使用意识先验也让整个过程更加自然，尽管意识状态可能比那些能够用句子、事实或规则的形式表达出来的内容更加丰富。
60540发布于 2018-03-22 - 来自专栏新智元
2019全球AI人才报告：AI专家仅3.6万，在美国获得AI博士学位论文作者是中国的4倍！
暴增：论文三年涨三成，会议人均千位作者 这项AI人才报告的主要数据来源是机器学习领域的学术会议，报告一共涵盖了21个会议，调查了过去一年在该领域主要国际学术会议上发表论文的作者。 其次，在中国获得博士学位的作者占比接近11%，紧随其后的是英国 (6%)、德国 (5%)和加拿大、法国和日本 (4%)。 就业数据也有类似的地理分布。 加拿大、德国和日本各占4%。 AI 专家工作的地方。美国、中国、英国、德国和加拿大这5个国家的作者数量占了总数达到72%。 总的来说，18个最大的国家占了作者总数的94%。 本图中将全球国家或地区划分为4类 “AI人才吸引国”：位于图中右上角的是澳大利亚、西班牙、瑞典和中国台湾地区，该区域表示这些国家的AI人才呈净流入趋势，说明这些国家或地区在吸引外来人才和留住本国（或本地区 总体而言，在过去一年中，无论是在AI领域发表的作者数量、高影响力的论文数量，以及在Linkedin上的AI专业人才数量上都呈显著增加的态势。
61810发布于 2019-05-08 - 来自专栏hotarugaliの技术分享
AI论文学习资料汇总
视频讲解 跟李沐学AI：讲解的非常透彻明了。 2. 科研工具 ReadPaper：论文阅读神器！ AI-Paper-Search：AI 论文检索神器！ AI-research-tools：AI 科研工具大礼包！ AMiner：科技情报大数据挖掘与服务系统平台，可以提供订阅等功能，为广大科研人提供科研动态的实时追踪、个人科研信息流的定制化服务。 DBLP：DBLP 计算机科学书目提供有关主要计算机科学期刊和会议录的开放书目信息，可谓论文信息检索查询大利器！ Conference-Accepted-Paper-List：AI 会议论文 Paper List 大汇总！ 3. 4.
73230编辑于 2023-02-02 - 来自专栏HyperAI超神经
awesome-ai4s 现已开源！超全 AI for Science 学术论文与数据资源汇总，持续更新ing
编辑：李宝珠，三羊 HyperAI超神经在 GitHub 上发布了开源项目 awesome-ai4s，该项目汇总了百余篇 AI4S 学术论文，且在持续更新中。 「awesome-ai4s」项目地址： https://github.com/hyperai/awesome-ai4s HyperAI超神经官网 此外，HyperAI超神经官网也上线了学术论文中提到的优质数据集与 超详细解读干货，一键下载优质资源 「awesome-ai4s」精选 Nature、Science、Advanced Science、Radiology 等知名期刊最新的高影响力因子论文，并对每篇论文研究所涉及的研究背景 此外，「awesome-ai4s」还梳理了学术论文文档和研究所涉及的数据集资源，一键即可下载，帮助大家节省检索资料的时间，便捷高效。 HyperAI超神经作为最早一批关注到 AI for Science 发展潜力的开放社区，持续关注 AI4S 的前沿成果、发展趋势，通过解读论文、报道里程碑事件及政策等不同方式，为 AI4S 发展贡献力量
1.2K31编辑于 2024-06-04
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