DeWave的训练流程主要分为三个阶段:1)自监督编码器预训练(仅原始EEG脑磁波),这一阶段会先训练一个脑电波自编码模型,输入原始EEG波形,通过重建实现自监督。这样可以提取有用的时域和频域特征。
炒虾机器人Mobile ALOHA的研发过程中,关键在于模仿学习算法和静态ALOHA数据的共同训练。研究人员通过50个演示让机器人学习不同的任务,从而使其具备了强大的学习能力。机器人可以连续多次完成同一个任务,即使是在训练数据中看不到的情况下,也能够进行正确的操作。这种模仿学习的方法为机器人的开发和应用提供了新的思路,使机器人在各种复杂任务中表现出色。
为了解决幻觉问题,研究人员采用了检索增强生成(RAG)的方法,并添加了几个重要步骤来进一步减轻幻觉,并改进对话性指标。通过这些优化,WikiChat在事实准确性方面比微调后的SOTA RAG模型Atlas高出8.5%。此外,研究人员还将基于GPT-4的WikiChat提炼成7B参数的LLaMA模型,这个模型在事实准确性方面能达到91.1%的高分,并且运行速度提高了6.5倍,能效更好,可以本地部署。
5️⃣ v0by Vercel 🎨
Paint3D 的技术实现主要分为两个阶段:粗糙纹理生成和纹理细化。在粗糙阶段,通过预训练的2D图像生成模型获取输入的引导信息,然后将这些信息反投影到3D模型的表面上,生成初始纹理贴图。