今日要點(diǎn)

1、騰訊云創(chuàng)建一站式行業(yè)大模型精選商店；

2、比Gen-2還好用的本文轉(zhuǎn)視頻擴(kuò)散模型 VideoComposer；

(相關(guān)資料圖)

3、又一款金融AI工具—公司債投資助手BondGPT；

4、清華大學(xué)提出LiVT，用視覺Transformer學(xué)習(xí)長尾數(shù)據(jù)，提高模型泛化能力；

5、微軟給開發(fā)者的福音，在VS中整合“生成見解”工具，提升編譯效率；

每日見智AI

1、直擊騰訊云大模型技術(shù)峰會(huì)—解決大模型應(yīng)用困難

騰訊云宣布推出MaaS（Model-as-a-Service)大模型服務(wù)，依靠騰訊云TI平臺(tái)建造行業(yè)大模型精選商店，基于騰訊HCC高性能計(jì)算集群和大模型能力，為客戶提供一站式大模型服務(wù)。

目前企業(yè)應(yīng)用大模型所面臨的困難主要包括：

計(jì)算資源少；大模式的訓(xùn)練和推理對于計(jì)算資源和存儲(chǔ)資源有很高的要求，對于很多客戶來說門檻比較高；數(shù)據(jù)質(zhì)量差；數(shù)據(jù)是訓(xùn)練大模型的基礎(chǔ)，質(zhì)量不高就會(huì)導(dǎo)致模型的訓(xùn)練效果和效率難以保障；投入成本高；模型也需要持續(xù)的優(yōu)化和調(diào)試以適配企業(yè)專項(xiàng)功能；安全合規(guī)；數(shù)據(jù)安全是企業(yè)調(diào)用模型最擔(dān)心的問題；專業(yè)性人才短缺；

見智點(diǎn)評：

騰訊云從保護(hù)企業(yè)數(shù)據(jù)產(chǎn)權(quán)和隱私的角度，為客戶提低成本、方便快捷的大模型服務(wù)，結(jié)合自身算力優(yōu)勢，從模型、數(shù)據(jù)、應(yīng)用幾個(gè)維度來打通企業(yè)應(yīng)用大模型的困難。針對不同的應(yīng)用場景，提供更適配的算力網(wǎng)絡(luò)和智能應(yīng)用助手，比如AI代碼助手、會(huì)議助手等等。更重要的是，我們觀察到MaaS服務(wù)可以滿足客戶模型的預(yù)訓(xùn)練、模型精調(diào)、智能開發(fā)等多樣化需求，并且支持客戶加入私域數(shù)據(jù)進(jìn)行訓(xùn)練，極大的解決了企業(yè)對大模型數(shù)據(jù)安全的擔(dān)憂。

對于如何解決企業(yè)應(yīng)用大模型問題這個(gè)業(yè)內(nèi)關(guān)注的焦點(diǎn)，華爾街見聞·見智研究非常榮幸邀請到瀾碼科技創(chuàng)始人&CEO【周健】來為大家?guī)碜詈诵牡慕庾x：AI浪潮的下一個(gè)重要賽道，如何突破企業(yè)應(yīng)用，找到核心的盈利秘籍？ ?歡迎大家預(yù)約直播：6月20日 周二 19:00。

2、比Gen-2還好用的本文轉(zhuǎn)視頻擴(kuò)散模型 VideoComposer

文本生成視頻的擴(kuò)散模型VideoComposer ，能夠在各種形式的合成視頻中同時(shí)控制空間和時(shí)間模式，例如文本描述、草圖序列、參考視頻，甚至是簡單的手工制作的動(dòng)作?？雌饋肀菺en-2的效果要強(qiáng)一些。

見智點(diǎn)評：

VideoComposer通過引入壓縮視頻中的運(yùn)動(dòng)矢量作為顯式控制信號，結(jié)合時(shí)空條件編碼器（STC-encoder），使用戶能夠以靈活的方式組合具有文本條件、空間條件和時(shí)間條件的視頻。該方法能夠有效地控制空間和時(shí)間模式，包括文本描述、草圖序列、參考視頻和手工制作的動(dòng)作等。實(shí)驗(yàn)結(jié)果表明VideoComposer具有良好的性能和交互-幀一致性。

這項(xiàng)工作對于實(shí)現(xiàn)可控的視頻合成在解決時(shí)間動(dòng)態(tài)和跨幀時(shí)間一致性方面的挑戰(zhàn)方面取得了顯著進(jìn)展，進(jìn)一步推動(dòng)了視覺內(nèi)容創(chuàng)作的可定制化發(fā)展。

3、又一款金融AI工具—公司債投資助手BondGPT

美國金融科技公司Broadridge子公司LTX近期宣布，推出一款基于GPT-4大模型的聊天機(jī)器人APP BondGPT，應(yīng)用于公司債投資。BondGPT主要面向公司債投資者，包括避險(xiǎn)基金、交易商等等，可以回答各種與債券相關(guān)的問題，并幫助用戶解決相關(guān)問題。

見智點(diǎn)評：

金融AI工具開發(fā)目前非常熱門，在AI見聞周報(bào)中我們也分析過有很多金融機(jī)構(gòu)已經(jīng)開始進(jìn)行AI項(xiàng)目研發(fā)，AI技術(shù)在金融行業(yè)的應(yīng)用場景也非常豐富，比如AI交易員、金融輿情分析、輔助代碼編寫、研報(bào)知識(shí)庫檢索等都值得關(guān)注。

4、清華大學(xué)提出LiVT，用視覺Transformer學(xué)習(xí)長尾數(shù)據(jù)，提高模型泛化能力

清華大學(xué)在CVPR 2023的論文，Learning Imbalanced Data with Vision Transformers中詳細(xì)探討了如何有效利用長尾數(shù)據(jù)來提升視覺Transformer的性能，并探索解決現(xiàn)實(shí)世界中存在數(shù)據(jù)不平衡問題的新方法。

文章通過一系列實(shí)驗(yàn)發(fā)現(xiàn)，在有監(jiān)督范式下，視覺Transformer在處理不平衡數(shù)據(jù)時(shí)會(huì)出現(xiàn)嚴(yán)重的性能衰退，而使用平衡分布的標(biāo)注數(shù)據(jù)訓(xùn)練出的視覺Transformer呈現(xiàn)出明顯的性能優(yōu)勢。相比于卷積網(wǎng)絡(luò)，這一特點(diǎn)在視覺 Transformer ?上體現(xiàn)的更為明顯。另一方面，無監(jiān)督的預(yù)訓(xùn)練方法無需標(biāo)簽分布，因此在相同的訓(xùn)練數(shù)據(jù)量下，視覺 Transformer ?可以展現(xiàn)出類似的特征提取和重建能力。基于以上觀察和發(fā)現(xiàn)，研究提出了一種新的學(xué)習(xí)不平衡數(shù)據(jù)的范式，旨在讓視覺Transformer模型更好地適應(yīng)長尾數(shù)據(jù)。通過這種范式的引入，研究團(tuán)隊(duì)希望能夠充分利用長尾數(shù)據(jù)的信息，提高視覺Transformer模型在處理不平衡標(biāo)注數(shù)據(jù)時(shí)的性能和泛化能力。

見智點(diǎn)評：

用視覺Transformer學(xué)習(xí)長尾數(shù)據(jù)方法不僅在實(shí)驗(yàn)中取得了顯著的性能提升，而且無需額外的數(shù)據(jù)，具有實(shí)際應(yīng)用的可行性。比如可以應(yīng)用在醫(yī)療影像分析、安全監(jiān)控等場景中。

數(shù)據(jù)往往存在不平衡性，即某些類別的樣本數(shù)量遠(yuǎn)遠(yuǎn)少于其他類別。這導(dǎo)致傳統(tǒng)的模型訓(xùn)練可能會(huì)偏向于預(yù)測數(shù)量較多的類別，而對于少數(shù)類別的性能衰退嚴(yán)重。通過用視覺Transformer學(xué)習(xí)長尾數(shù)據(jù)，可以更好地適應(yīng)現(xiàn)實(shí)世界中的數(shù)據(jù)不平衡問題。同時(shí)還能夠有效提升少數(shù)類別的識(shí)別性能，使模型能夠更好地發(fā)現(xiàn)和理解樣本特征以及提高泛化能力。

5、微軟給開發(fā)者的福音，在VS中整合“生成見解”工具，提升編譯效率

微軟宣布，在 Visual Studio 2022 最新版本 17.7 中，將整合“生成見解”工具，以為開發(fā)者提升效率。微軟公告表示“生成見解”已經(jīng)在 VS 2022 中可用，該工具能為開發(fā)者提供深入的見解分析資料，使開發(fā)者更好地了解并且改善編譯過程。

“生成見解”工具會(huì)在分析編譯過程后出具一份報(bào)告，其中將會(huì)顯示 “生成見解”分析每一段代碼變量對于總編譯時(shí)間的影響，可以讓開發(fā)者直觀的看出哪些特定代碼存在問題，耗費(fèi)大量的編譯時(shí)間，能夠提供開發(fā)者一些能夠提升編譯效率的方案。

可以讓開發(fā)者更深入理解 C++ 開發(fā)，工具通過直觀展示代碼各部分在編譯時(shí)的情況，可以讓開發(fā)者更加了解 C++ 的深入運(yùn)行過程，并通過了解各部分代碼對于總編譯時(shí)間的影響，找出最佳化編譯流程的方法，在維持代碼品質(zhì)的同時(shí)，在一定程度上提升開發(fā)能力。

風(fēng)險(xiǎn)提示及免責(zé)條款 市場有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。本文不構(gòu)成個(gè)人投資建議，也未考慮到個(gè)別用戶特殊的投資目標(biāo)、財(cái)務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見、觀點(diǎn)或結(jié)論是否符合其特定狀況。據(jù)此投資，責(zé)任自負(fù)。

關(guān)鍵詞：