Berkeley BAIR-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 3824 篇文章
累计创建 1422 个标签
累计收到 0 条评论

目录CONTENT

以下是 Berkeley BAIR 相关的文章

2025-12-31
从人体动作预测自我中心视频 (PEVA)：用于具身智能体的世界模型伯克利AI研究院发布了PEVA（从人体动作预测自我中心视频）框架，旨在构建真正的具身智能体世界模型。该模型能够根据第一人称视角视频和结构化的全身动作序列，预测未来的视频帧。PEVA利用大规模数据集Nymeria进行训练，展示了在模拟原子动作、支持反事实推理和生成长序列视频方面的能力，为具身规划和控制提供了新的思路。
- 2025-12-31
- 0
- 0
- 0
2025-12-19
通过背景故事集为语言模型创建虚拟角色：Anthology 方法介绍伯克利BAIR团队推出Anthology方法，通过生成和利用包含丰富个人价值观和经历的自然叙事背景故事，来指导大型语言模型（LLM）生成具有代表性、一致性和多样性的虚拟角色。该方法旨在提升LLM模拟个体人类受试者的保真度，特别是在用户研究和社会科学领域，提供了一种更具成本效益和可扩展性的替代方案。
- 2025-12-19
- 0
- 0
- 0
2025-12-16
视觉干草堆：评估大型多模态模型在处理长上下文视觉信息方面的基准测试传统的视觉问答（VQA）局限于处理单张图像，无法应对处理大量图像集合的复杂场景。伯克利BAIR团队推出了“视觉干草堆”（Visual Haystacks, VHs）基准测试，专注于“多图像问答”（MIQA）任务，以严格评估大型多模态模型（LMMs）在跨图像检索和推理方面的能力。研究揭示了当前LMM在处理视觉干扰、多图像推理和信息位置敏感性方面存在显著缺陷，并提出了基于检索增强生成的解决方案MIRAGE。
- 2025-12-16
- 0
- 0
- 0
2025-12-06
利用虚拟人格进行LLM评估：一种新的方法伯克利BAIR团队提出了一种新颖的LLM评估方法：利用“虚拟人格”（Virtual Personas）进行交互式评估。通过模拟不同用户和环境，该方法能更全面地捕捉LLM在现实场景中的表现，超越传统的静态基准测试，为模型评估带来更真实的视角。
- 2025-12-06
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2025-11-25
通过故事集（Anthology）为语言模型创建虚拟角色伯克利BAIR团队推出“Anthology”方法，通过生成和利用具有丰富个人价值观和生活经历的自然叙事背景故事，条件化大型语言模型（LLM），使其能够产生具有代表性、一致性和多样性的虚拟角色。本文详细介绍了该方法如何通过深度背景故事模拟个体人类样本，并在公共民意调查模拟中展现出优于传统方法的性能。
- 2025-11-25
- 0
- 0
- 0
- AI新闻/评测
- AI工具应用
2025-11-19
谷歌DeepMind开发出能预测未来动作的人工智能谷歌DeepMind开发出一种新型人工智能模型，能够预测人类在未来几秒钟内的行动。这项创新名为“Perceiver Actor”，通过分析当前视频帧来推断后续动作，例如预测一个正在玩游戏的人是否会跳跃或射击。研究人员表示，这种能力对于开发能够理解和响应人类行为的机器人和自动驾驶系统至关重要。该模型有望彻底改变人机交互方式，使机器更具预见性，从而提高安全性和效率。
- 2025-11-19
- 0
- 0
- 0
- AI基础/开发
- AI新闻/评测
2025-11-12
通过详尽的背景故事集为语言模型打造虚拟人格：Anthology 方法介绍伯克利AI研究（BAIR）介绍了一种名为<strong>Anthology</strong>的新方法，旨在通过生成和利用包含丰富个人价值观和生活经历的自然主义背景故事，来引导大型语言模型（LLMs）生成具有代表性、一致且多样化的虚拟人格。Anthology通过将语言模型植根于细致入微的个人叙事中，显著提高了模拟个体人类样本的保真度，并在公共意见调查的近似方面表现优于现有技术。
- 2025-11-12
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2025-10-29
通过详尽的个人背景故事集为语言模型创建虚拟角色：Anthology 方法伯克利AI研究（BAIR）推出了“Anthology”方法，通过为大型语言模型（LLMs）提供包含个人价值观和经历的详细自然叙事背景故事，将其引导至具有代表性、一致性和多样性的虚拟角色。该方法旨在提高LLM模拟个体人类样本的保真度，这在用户研究和社会科学中具有巨大潜力，但同时也需警惕潜在的偏见和隐私风险。Anthology在逼近民意调查方面表现出色。
- 2025-10-29
- 0
- 0
- 0
2025-10-29
通过故事集为语言模型构建虚拟角色：Anthology 介绍伯克利BAIR团队推出Anthology方法，通过生成和利用具有丰富细节的自然生活故事来调校大型语言模型（LLMs），使其能形成具有代表性、一致性和多样性的虚拟角色。该研究旨在通过模拟个体人类样本，提升LLMs在用户研究和社会科学中的应用潜力，尤其在公众意见调查中表现出更精准的拟合效果。
- 2025-10-29
- 0
- 0
- 0
- AI新闻/评测
- AI工具应用
2025-10-29
通过背景故事集为语言模型创建虚拟角色：Anthology 方法介绍伯克利AI研究院介绍了一种名为<strong>Anthology</strong>的新方法，通过生成和利用包含丰富个人价值观和经历的自然主义背景故事，来引导大型语言模型（LLMs）形成具有代表性、一致性和多样性的<strong>虚拟角色</strong>。Anthology通过将语言模型与详细的生活叙事相结合，显著提高了模拟个体人类样本的保真度，有望革新用户研究和社会科学中的调查方法。
- 2025-10-29
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2025-10-21
xT：用于大型图像中更大上下文的嵌套分词计算机视觉领域在处理超大尺寸图像时面临巨大挑战，现有方法（如下采样或裁剪）会导致信息和上下文的严重丢失。伯克利BAIR的研究团队推出了$x$T框架，旨在无需妥协地端到端建模大型图像。$x$T通过嵌套分词，结合区域编码器和上下文编码器，实现在当代GPU上高效聚合全局上下文与局部细节，有望解决高分辨率图像处理的瓶颈。
- 2025-10-21
- 1
- 0
- 0
2025-10-21
利用故事集为语言模型创建虚拟角色：Anthology 方法介绍伯克利BAIR团队提出了“Anthology”方法，通过生成和利用包含丰富个人价值观和经历的自然主义背景故事，来引导大型语言模型（LLMs）生成具有代表性、一致性和多样性的虚拟角色。该方法提高了LLMs模拟个体人类样本的保真度，在模拟公众舆论民意调查方面表现优异，有望为用户研究和社会科学领域带来成本效益高且更具伦理性的替代方案。
- 2025-10-21
- 0
- 0
- 0
2025-10-21
BAIR 实验室 2024 届博士毕业生介绍欢迎了解伯克利人工智能研究（BAIR）实验室 2024 届的博士毕业生。这些杰出人才在人工智能和机器学习的前沿领域做出了卓越贡献，涵盖深度学习、机器人学、自然语言处理、计算机视觉和安全等多个方向。本文详细介绍了他们的研究方向、导师及意向职位，是学术界和工业界了解和招募新一代 AI 先锋的平台。
- 2025-10-21
- 1
- 0
- 0
- AI新闻/评测
- AI基础/开发
2025-10-13
面向多图像推理，我们准备好了吗？推出视觉干草堆（VHs）基准测试！ 📢 转载信息原文链接：http://bair.berkeley.edu/blog/2024/07/20/visual-haystacks/ 原文作者：Tsung-Han (Patrick) Wu, Giscard Biamby, Jerome Quenum, Ritwik Gupta, Jose
- 2025-10-13
- 0
- 0
- 0
2025-10-13
告别像素损失：Berkeley BAIR 推出 xT 框架，实现在现代 GPU 上端到端处理超大图像 📢 转载信息原文链接：http://bair.berkeley.edu/blog/2024/03/21/xt/ 原文作者：Ritwik Gupta, Shufan Li, Tyler Zhu, Jitendra Malik, Trevor Darrell, Karttikeya Mangalam
- 2025-10-13
- 0
- 0
- 0
- AI基础/开发
- AI工具应用
2025-10-13
如何评估大语言模型的“越狱”方法？StrongREJECT 基准测试案例研究 📢 转载信息原文链接：http://bair.berkeley.edu/blog/2024/08/28/strong-reject/ 原文作者：Dillon Bowen, Scott Emmons, Alexandra Souly, Qingyuan Lu, Tu Trinh, Elvis Hs
- 2025-10-13
- 1
- 0
- 0
- AI新闻/评测
2025-10-13
TinyAgent：边缘侧实现函数调用，小模型也能媲美 GPT-4 性能！ 📢 转载信息原文链接：http://bair.berkeley.edu/blog/2024/05/29/tiny-agent/ 原文作者：Lutfi Eren Erdogan, Nicholas Lee, Siddharth Jha, Sehoon Kim, Ryan Tabrizi, Suho
- 2025-10-13
- 2
- 0
- 0
- AI新闻/评测
2025-10-13
百辆自动驾驶汽车上路：强化学习如何实现高速公路交通流的平顺与节能 📢 转载信息原文链接：http://bair.berkeley.edu/blog/2025/03/25/rl-av-smoothing/ 原文作者：Nathan Lichtlé, Kathy Jang, Eugene Vinitsky, Adit Shah, Jonathan W. Lee, a
- 2025-10-13
- 1
- 0
- 0
2025-10-13
2024年加州大学伯克利分校BAIR实验室博士毕业生概览：AI新星启程 📢 转载信息原文链接：http://bair.berkeley.edu/blog/2024/03/11/grads-2024/ 原文作者：Berkeley AI Research Editors 2024年加州大学伯克利分校BAIR实验室博士毕业生名录每一年，加州大学伯克利分校人工智能研究实验
- 2025-10-13
- 1
- 0
- 0
- AI新闻/评测
2025-10-13
“故事集”技术：利用详尽背景故事为大语言模型塑造逼真虚拟人物形象 📢 转载信息原文链接：http://bair.berkeley.edu/blog/2024/11/12/virutal-persona-llm/ 原文作者：Suhong Moon, Marwa Abdulhai, Minwoo Kang, Joseph Suh, Widyadewi Soedar
- 2025-10-13
- 2
- 0
- 0
- AI新闻/评测

1
2