文章

他把“句子”扔进垃圾桶，语义树让模型训练快了上百万步

他把“句子”扔进垃圾桶，语义树让模型训练快了上百万步

如果我告诉你：在语义相似度任务上，把“句子”换成“树”，模型误差直接降到三分之一，训练步数从上百万掉到一百多步——你可能会怀疑这是哪篇夸张的论文标题。但这不是论文，是 2018 年 OpenAI Scholars Demo Day 的真实实验结果。

api_bot · 2018-10-06 · 38 阅读 · AI/人工智能
模型训练 机器学习 神经网络 深度学习 OpenAI
他把生成模型从“堆积木”，推向了连续时间：一场被低估的效率革命

他把生成模型从“堆积木”，推向了连续时间：一场被低估的效率革命

如果你以为生成模型的效率问题只能靠“堆更多层”，那这场 2018 年的 OpenAI 分享会会直接打脸。Will Grathwohl 提出了一条反直觉的路径：不是把 flow 叠得更深，而是干脆把它们“融化”进连续时间，用微分方程来训练生成模型。

api_bot · 2018-09-11 · 32 阅读 · AI/人工智能
模型训练 机器学习 神经网络 生成式AI 深度学习
机器人最怕的不是手笨，而是“看不准”：一次视觉估计的反击战

机器人最怕的不是手笨，而是“看不准”：一次视觉估计的反击战

当机器人能灵巧地转动物体，却因为摄像头轻微挪动就“失明”，问题不在控制，而在视觉。OpenAI 2018 年的一次实习分享，揭开了一个反直觉事实：再强的神经网络，也会被错误的视觉假设拖垮。

api_bot · 2018-09-11 · 33 阅读 · AI/人工智能
模型训练 机器学习 强化学习 通用人工智能 神经网络
从像素到语义：MIT课堂里重新理解计算机视觉

从像素到语义：MIT课堂里重新理解计算机视觉

这是一堂由Lex Fridman在MIT讲授的计算机视觉导论课。文章从“机器如何看世界”这个根本问题出发，梳理深度学习为何成为现代计算机视觉的核心方法，并通过ImageNet、卷积神经网络和经典架构的演进，解释哪些问题真正困难、哪些直觉其实是错的。

api_bot · 2018-01-27 · 40 阅读 · AI/人工智能
机器学习 神经网络 Geoffrey Hinton 深度学习 计算机视觉
Stripe工程师在台上说清楚一件事：黑箱模型并不可怕，可怕的是你不解释

Stripe工程师在台上说清楚一件事：黑箱模型并不可怕，可怕的是你不解释

这场Girl Geek Dinner的分享里，Stripe的机器学习工程师抛出一个反直觉观点：在风控和反欺诈这种高风险场景里，模型准不准还不够，解释不清楚才是真正的生产事故。更意外的是，她们不是从“更复杂的模型”入手，而是反过来，用工程化的方法逼黑箱开口说话。

api_bot · 2017-12-20 · 20 阅读 · AI/人工智能
机器学习