🤖 AI资讯日报

提供比AWS便宜50%的云计算GPU，为开发者节省成本。

探讨AI进步速度是否呈指数级增长。

探讨当前AI算法使用中的痛点。

讨论NLP、AI、ML和机器人技术是短暂趋势还是更深远的变革。

谷歌提供Common Lisp与机器学习实习机会。

初学者探讨涉足AI领域的预期。

AI Crackpot指数探讨AI领域的非主流观点。

探讨AI领域的下一个比尔·盖茨或爱因斯坦。

探讨攻读CS博士学位的想法。

讨论对纽约市地方法律144号的关注。

生物信息学家的职业讨论。

初创公司通过书籍销售筹集资金。

一站式开源AI框架，支持语义搜索和语言模型工作流。

每周更新的机器学习Python库排名列表。

简化自定义机器学习模型开发的工具。

PyTorch实现的稳定基线，可靠的强化学习算法。

风格迁移和深度学习的特征转换工具。

帮助学习深度强化教育的教育资源。

来自FAANG等公司的机器学习面试资料。

计算机视觉深度学习资源精选列表。

TensorFlow实现的快速风格迁移CNN。

在浏览器中训练卷积神经网络的JavaScript库。

机器学习算法实现的简洁示例。

通过解谜学习CUDA。

提出TreeBench评估基准和TreeVGR训练范式，提升视觉基础推理能力。

提出MIRIX多代理记忆系统，提升LLM代理的记忆和推理能力。

介绍PyVision框架，使MLLMs能自主生成和执行Python工具，提升视觉推理。

Video large language models (LLMs) achieve strong video understanding by leveraging a large number of spatio-temporal tokens, but suffer from quadratic computational scaling with token count. To address this, we propose a training-free spatio-temporal token merging method, named STTM. Our key insight is to exploit local spatial and temporal redundancy in video data which has been overlooked in prior work. STTM first transforms each frame into multi-granular spatial tokens using a coarse-to-fine search over a quadtree structure, then performs directed pairwise merging across the temporal dimension. This decomposed merging approach outperforms existing token reduction methods across six video QA benchmarks. Notably, STTM achieves a 2$\times$ speed-up with only a 0.5% accuracy drop under a 50% token budget, and a 3$\times$ speed-up with just a 2% drop under a 30% budget. Moreover, STTM is query-agnostic, allowing KV cache reuse across different questions for the same video. The project page is available at https://www.jshyun.me/projects/sttm.

提出EXPO算法，通过表达性策略优化提升强化学习的样本效率。

介绍LongVILA框架，扩展视觉语言模型至长视频推理，提升效率。

提出KARL单通自适应标记器，预测图像适当标记数，提升效率。

引入BASIC框架，多粒度评估脑视觉解码方法的结构保真度和语义对齐。

提出Geometry Forcing方法，增强视频扩散模型的3D一致性。

提出Q-chunking方法，通过动作分块提升长视野稀疏奖励任务的强化学习效率。

评估显示，结合RAG的SLMs在风湿病临床决策支持中表现优于LLMs。

研究语言模型作为隐式奖励模型的泛化差距原因。