Large Brain Model for Learning Generic Representations with Tremendous EEG Data in BCI
🖥 Github: https://github.com/935963004/labram
📕 Paper: https://arxiv.org/abs/2405.18765v1
@ArtificialIntelligencedl
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM
InterpreTabNet: Distilling Predictive Signals from Tabular Data by Salient Feature Interpretation
🖥 Github: https://github.com/jacobyhsi/InterpreTabNet
📕 Paper: https://arxiv.org/abs/2406.00426v1
@ArtificialIntelligencedl
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀 AgentGym: Evolving Large Language Model-based Agents across Diverse Environments
🖥 Github: https://github.com/woooodyy/agentgym
📕 Paper: https://arxiv.org/abs/2406.04151v1
🔥Project: https://agentgym.github.io/
⚡️Model (AgentEvol-7B): https://huggingface.co/AgentGym/AgentEvol-7B
@ArtificialIntelligencedl
🔥Project: https://agentgym.github.io/
⚡️Model (AgentEvol-7B): https://huggingface.co/AgentGym/AgentEvol-7B
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀 Diving into Underwater: Segment Anything Model Guided Underwater Salient Instance Segmentation and A Large-scale Dataset
🖥 Github: https://github.com/liamlian0727/usis10k
📕 Paper: https://arxiv.org/abs/2406.06039v1
@ArtificialIntelligencedl
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
TSI-Bench: Benchmarking Time Series Imputation
🖥 Github: https://github.com/WenjieDu/Awesome_Imputation
📕 Paper: https://arxiv.org/pdf/2406.12747v1.pdf
🔥Dataset: https://github.com/WenjieDu/TSDB
@ArtificialIntelligencedl
🔥Dataset: https://github.com/WenjieDu/TSDB
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM
Consistency Models Made Easy
🖥 Github: https://github.com/locuslab/ect
📕 Paper: https://arxiv.org/abs/2406.14548v1
🔥Dataset: https://paperswithcode.com/dataset/cifar-10
@ArtificialIntelligencedl
🔥Dataset: https://paperswithcode.com/dataset/cifar-10
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM
LangSuitE: Planning, Controlling and Interacting with Large Language Models in Embodied Text Environments
🖥 Github: https://github.com/bigai-nlco/langsuite
📕 Paper: https://arxiv.org/abs/2406.16294v1
🔥Dataset: https://paperswithcode.com/dataset/ai2-thor
@ArtificialIntelligencedl
🔥Dataset: https://paperswithcode.com/dataset/ai2-thor
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM
Point-SAM: Promptable 3D Segmentation Model for Point Clouds
🖥 Github: https://github.com/zyc00/point-sam
📕 Paper: https://arxiv.org/abs/2406.17741v1
🔥Dataset: https://paperswithcode.com/dataset/shapenet
@ArtificialIntelligencedl
🔥Dataset: https://paperswithcode.com/dataset/shapenet
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM
🏥 MedMNIST-C: benchmark dataset based on the MedMNIST+ collection covering 12 2D datasets and 9 imaging modalities.
🖥 Github: https://github.com/francescodisalvo05/medmnistc-api
📕 Paper: https://arxiv.org/abs/2406.17536v2
🔥Dataset: https://paperswithcode.com/dataset/imagenet-c
@ArtificialIntelligencedl
pip install medmnistc
🔥Dataset: https://paperswithcode.com/dataset/imagenet-c
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM
Яндекс разработал и опубликовал библиотеку YaFSDP — собственное решение для ускорения обучения больших языковых моделей.
При обучении LLM возникает проблема сложности вычислений и коммуникаций GPU в кластере. Большие расчёты должны синхронизироваться на разных видеокартах, а для этого сами устройства должны обмениваться информацией, чтобы не считать два раза одно и то же. Если GPU делают это неэффективно, то они теряют до 30% недоутилизированной мощности.
Библиотека YaFSDP позволяет ускорить обучение больших языковых моделей до 25%. С её помощью можно тратить меньше времени на обучение и расходовать меньше ресурсов графических процессоров (GPU). Подробнее о том, как менялись подходы к оптимизации ресурсов можно прочитать в статье на «Хабре».
При обучении LLM возникает проблема сложности вычислений и коммуникаций GPU в кластере. Большие расчёты должны синхронизироваться на разных видеокартах, а для этого сами устройства должны обмениваться информацией, чтобы не считать два раза одно и то же. Если GPU делают это неэффективно, то они теряют до 30% недоутилизированной мощности.
Библиотека YaFSDP позволяет ускорить обучение больших языковых моделей до 25%. С её помощью можно тратить меньше времени на обучение и расходовать меньше ресурсов графических процессоров (GPU). Подробнее о том, как менялись подходы к оптимизации ресурсов можно прочитать в статье на «Хабре».
New open model alert by Shanghai AI Laboratory 🚨
Welcome Internal 2.5
🔥Very high quality 7B model
🚀Up to 1 million context window
🔧Tool usage capabilities
Looking forward to playing with it
https://huggingface.co/collections/internlm/internlm25-66853f32717072d17581bc13
@ArtificialIntelligencedl
Welcome Internal 2.5
🔥Very high quality 7B model
🚀Up to 1 million context window
🔧Tool usage capabilities
Looking forward to playing with it
https://huggingface.co/collections/internlm/internlm25-66853f32717072d17581bc13
@ArtificialIntelligencedl
⚡️Лучший способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь:
C++ t.me/cpluspluc
Devops: t.me/devOPSitsec
Машинное обучение: t.me/ai_machinelearning_big_data
АНАЛИЗ Данных: t.me/data_analysis_ml
Хакинг: t.me/linuxkalii
Linux: t.me/linuxacademiya
Базы данных: t.me/sqlhub
C#: t.me/csharp_ci
Golang: t.me/Golang_google
Java: t.me/javatg
React: t.me/react_tg
Javascript: t.me/javascriptv
Мобильная разработка: t.me/mobdevelop
Docker: t.me/+0WdB4uvOwCY0Mjdi
Python: t.me/pythonl
Rust: t.me/rust_code
PHP: t.me/phpshka
Android: t.me/android_its
Big Data: t.me/bigdatai
Собеседования МЛ: t.me/machinelearning_interview
Python подготовка с собесу: t.me/python_job_interview
МАТЕМАТИКА: t.me/data_math
💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
C++ папка: https://t.me/addlist/CdBs5DLepLJmZjY6
C# папка: https://t.me/addlist/u15AMycxRMowZmRi
Java папка: https://t.me/addlist/ZM3J6oFNAnRlNWU6
FRONTEND папка: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Linux папка: https://t.me/addlist/w4Doot-XBG4xNzYy
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
🧠ИИ: t.me/vistehno
📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
C++ t.me/cpluspluc
Devops: t.me/devOPSitsec
Машинное обучение: t.me/ai_machinelearning_big_data
АНАЛИЗ Данных: t.me/data_analysis_ml
Хакинг: t.me/linuxkalii
Linux: t.me/linuxacademiya
Базы данных: t.me/sqlhub
C#: t.me/csharp_ci
Golang: t.me/Golang_google
Java: t.me/javatg
React: t.me/react_tg
Javascript: t.me/javascriptv
Мобильная разработка: t.me/mobdevelop
Docker: t.me/+0WdB4uvOwCY0Mjdi
Python: t.me/pythonl
Rust: t.me/rust_code
PHP: t.me/phpshka
Android: t.me/android_its
Big Data: t.me/bigdatai
Собеседования МЛ: t.me/machinelearning_interview
Python подготовка с собесу: t.me/python_job_interview
МАТЕМАТИКА: t.me/data_math
💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
C++ папка: https://t.me/addlist/CdBs5DLepLJmZjY6
C# папка: https://t.me/addlist/u15AMycxRMowZmRi
Java папка: https://t.me/addlist/ZM3J6oFNAnRlNWU6
FRONTEND папка: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Linux папка: https://t.me/addlist/w4Doot-XBG4xNzYy
😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
🧠ИИ: t.me/vistehno
📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Seq2Seq: Sequence-to-Sequence Generator
🖥 Github: https://github.com/fiy2w/mri_seq2seq
📕 Paper: https://arxiv.org/abs/2407.02911v1
🔥Dataset: https://paperswithcode.com/task/contrastive-learning
@ArtificialIntelligencedl
🔥Dataset: https://paperswithcode.com/task/contrastive-learning
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM
Minutes to Seconds: Speeded-up DDPM-based Image Inpainting with Coarse-to-Fine Sampling
🖥 Github: https://github.com/linghuyuhangyuan/m2s
📕 Paper: https://arxiv.org/abs/2407.05875v1
🔥Dataset: https://paperswithcode.com/task/denoising
🔥Dataset: https://paperswithcode.com/task/denoising
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Unified Embedding Alignment for Open-Vocabulary Video Instance Segmentation (ECCV 2024)
🖥 Github: https://github.com/fanghaook/ovformer
📕 Paper: https://arxiv.org/abs/2407.07427v1
@ArtificialIntelligencedl
@ArtificialIntelligencedl
Please open Telegram to view this post
VIEW IN TELEGRAM