MM-Zero: 데이터 없이 스스로 진화하는 멀티모델 비전-언어 모델
논문 링크: arXiv 2603.09206 저자: Zongxia Li, Hongyang Du, Chengsong Huang, Xiyang Wu, Lantao Yu, Yicheng He, Jing Xie, Xiaomin Wu, Zhichao Liu, Jiarui Zhang...
Tags
- Reinforcement Learning 5
- 논문 리뷰 5
- ChatGPT 4
- LLM 4
- Ai 3
- Sequence Modeling 3
- kaggle 3
- Machine Learning 2
- neural network 2
- adversarial attacks 2
- 챗GPT 2
- pyTorch 2
- stable diffusion 2
- Open Assistant 2
- 오픈 어시스턴트 2
- DQN 2
- convolution 2
- D-id 2
- Lux AI Season 2 2
- Transformer 2
- GPT4 2
- gpt-4 2
- Unity 2
- PPO 2
- alexnet 2
- gru 2
- RNN 2
- LSTM 2
- Lora 2
- waymo 2
- neurips 2024 2
- deepseek-r1 2
- efficientvit 2
- Attention 2
- 공부했던거 정리중 1
- 기초 1
- 머신러닝 1
- Ann 1
- Artificial Neural Network 1
- Regularization 1
- Dropout 1
- overfitting 1
- batch normalization 1
- weight decay 1
- Vanishing Gradient Problem 1
- Saturation Problem 1
- Covariate Shift 1
- Internal Covariate Shift 1
- TensorFlow 1
- 면접용 1
- OpenAI 1
- Chat-gpt 1
- open-assistant 1
- 98위 1
- pygame 1
- PygameDQN 1
- cnn 1
- Convolutional Neural Networks 1
- Zero padding 1
- 챗봇 1
- Chatbot 1
- Diffsinger 1
- Diffsinger-zero 1
- 클로바 1
- Midjourney 1
- 혁펜하임 1
- 말하는 AI 아바타 1
- GPT-chat 1
- 제페토 월드잇 1
- 모으는중 1
- 정리중 1
- OpenAI Codex 1
- Dive into Deep Learning 1
- Gen-1 1
- DeepL 번역기 1
- 엔비디아 1
- Tableau 1
- Tableau 기초 1
- ZEPETO WORLD JAM 1
- 제페토 월드잼 1
- Adversarial attack 1
- goattack 1
- AIVA 1
- 인공지능 음악 1
- 유튜브 다운로드 1
- 유튜브 자막 생성 1
- 인공지능 1
- 빵형 1
- 딥러닝 1
- StableDiffusion 1
- 유튜브 동영상 1
- 유튜브 동영상 다운로드 1
- srt 파일 1
- GPT요약 1
- 논문의 의미가 있나 1
- DRONE 1
- ML-agent 1
- 2021 RL Korea Drone Delivery Challenge with Unity 1
- Drone Delivery 1
- ML-Agents 1
- Self Driving Car 1
- did 1
- DALL-E 1
- 빵형의 개발도상국 1
- 영상 만드는 인공지능 1
- ModelScope 1
- ResNet 1
- VGG 1
- densenet 1
- GoogLeNet 1
- ZNET 1
- Depthwise Separable Convolution 1
- Bidirectional LSTM 1
- plugin 1
- encoder-decoder attention layer 1
- Multi-headed attention 1
- Pointwise Feed Forward 1
- positional encoding 1
- Self-attention 1
- Transformer Model 1
- conditional GAN 1
- CycleGAN 1
- Generative Adverislal Network 1
- InfoGAN 1
- Progressive GAN 1
- EfficientNet 1
- mobilenet 1
- MobileNet-V1 1
- MobileNet-V2 1
- ShuffleNet 1
- Small Nets 1
- xception 1
- grid search 1
- Hyperparameter Optimization 1
- random search 1
- Acquisition Function 1
- Out-of-Distribution Detection 1
- Markov Decision Process 1
- Model-based Planning 1
- Model-free Prediction 1
- Model-Free Control 1
- Value Function Approximation 1
- Double DQN 1
- dueling dqn 1
- Prioritized Replay 1
- actor-critic 1
- DDPG 1
- Policy Gradients 1
- Soft Actor Critic (SAC) 1
- TD3 1
- TRPO 1
- Exploration 1
- Imitation Learning 1
- Model-based Reinforcement Learning 1
- FreeU 1
- cal q learning 1
- MAMBA 1
- litter 1
- Streamable Attention 1
- Promptbreeder 1
- Adapter 1
- kubChain 1
- Graph UI 1
- Ai-art 1
- 양자 학습 1
- 드림부스 1
- 라마2 1
- error 1
- QLora 1
- Prodicthunt 1
- Self-Rewarding Language Models 1
- AutoTrain 1
- colab 1
- kohya_ss 1
- AI LUMIERE 1
- LLaMA Pro 1
- Moe 1
- Mixtral of Experts 1
- AlphaGeometry 1
- vae 1
- https://netron.app/ 1
- Prime Finding Algorithm 1
- claude 3 1
- searchformer 1
- openelm 1
- leave no context behind： efficient infinite context transformers with infini attention 1
- alphacodium 1
- storydiffusion 1
- 공유 1
- Diffusion 1
- salesforce 1
- replicate 1
- japan-image translate to korean 1
- luma 1
- luma-ai 1
- Moshi 1
- 음성대화ai 1
- SAM2 1
- whisk 1
- visualize and remix ideas using images and ai 1
- geeknight 1
- ai 엔지니어링 1
- SVG 1
- 2025년 이후의 기술 예측 1
- onlyfans 1
- develop multilingual 1
- Satellite 1
- curly-cue: geometric methods for highly coiled hair 1
- spark: self-supervised personalized real-time monocular face capture 1
- groomcap: high-fidelity prior-free hair capture 1
- towards unified 3d hair reconstruction from single-view portraits 1
- the lips 1
- the teeth 1
- the tip of the tongue: ltt tracking 1
- hairmony: fairness-aware hairstyle classification 1
- façaid: a transformer model for neuro-symbolic facade reconstruction 1
- large scale farm scene modeling from remote sensing imagery 1
- reconstruct translucent thin objects from photos 1
- dreamudf: generating unsigned distance fields from a single image 1
- dreamudf 1
- generating unsigned distance fields from a single image 1
- the (hex)tech of arcane season 02 1
- utilizing generative ai for look dev in cg anime production 1
- human4dit 1
- 360-degree human video generation with 4d diffusion transformer 1
- synchronize dual hands for physics-based dexterous guitar playing 1
- world-grounded human motion recovery via gravity-view coordinates 1
- iseg 1
- interactive 3d segmentation via interactive attention 1
- procedural material generation with reinforcement learning 1
- gpu coroutines for flexible splitting and scheduling of rendering tasks 1
- asia siggrap day 4 1
- asia siggrap 1
- ai for autonomous driving at scale 1
- flow matching for generative modeling 1
- understanding transformer reasoning capabilities via graph algorithms 1
- algorithms & theory 1
- data mining & modeling 1
- Reflections 1
- reflections - samaltman 1
- samaltman 1
- ferret-ui 2 1
- mochi-1 1
- rho-1 1
- mednext 1
- minlstm 1
- were rnns all we needed? 1
- mingru 1
- o1 1
- gpt-o1 1
- Titans 1
- earning to memorize at test time 1
- Computer Vision 1
- nerfactor 1
- facts leaderboard 1
- autovfx 1
- segformer3d 1
- 3d medical image segmentation 1
- group normalization 1
- instance normalization 1
- czii 1
- vesuvius challenge 1
- ink detection 1
- deepseek-v3 technical report 1
- automating gpu 1
- Layer normalization 1
- large language diffusion models 1
- gpt 4.5 1
- sana-sprint 1
- transformers without normalization 1
- musicinfuser 1
- chatanyone 1
- when precision meets position 1
- bfloat16 breaks down rope 1
- on the biology of a large language model 1
- nvidia 1
- monai 1
- openai o3 1
- o4-mini 1
- yolo 1
- deim 1
- hogwild! inference 1
- gaussian mixture flow matching 1
- gmflow 1
- BITNET 1
- antidistillation sampling 1
- reasoning models can be effective without thinking 1
- llms can see and hear without any training 1
- edgenext 1
- 구글 콜랩 1
- qwen3 1
- descanning 1
- nous research 1
- rl environments hackathon 1
- Lion 1
- ast-sed 1
- absolute zero 1
- alphaevolve 1
- perceiver 1
- sed 1
- stanford rna 3d folding 1
- matformer 1
- xxt can be faster 1
- neuronpedia 1
- starflow 1
- agentic retrieval 1
- omnigen2 1
- hunyuan-gamecraft 1
- smollm3 1
- t5gemma 1
- APO 1
- FastVLM 1
- Diffuman4D 1
- yoloe 1
- Nano Banana 1
- DINOv3 1
- kaiber.biz 1
- PolyNorm 1
- nano-banana 1
- Vision-Zero 1
- int 1
- fp 1
- ubuntu 1
- 구글 원격 1
- google remote 1
- ubuntu 24.04 1
- LFM2 1
- Grassmann Manifold 1
- Deep Learning 1
- 데이터 선택 1
- Pre-training 1
- AdamW 1
- Muon 1
- 데이터 합성 1
- Sparse Autoencoder 1
- Post-training 1
- SFT 1
- VLM 1
- Self-Evolution 1
- GRPO 1
- Multi-Agent 1
- SSM 1
- Mamba 1
- State Space Model 1
- Linear Attention 1
- MIMO 1
Reinforcement Learning
Chapter 2 Reinforcement Learning Overview
Reinforcement Learning (RL)은 불확실성 하에서의 의사 결정 및 경험을 통해 학습을 모델링하는 기계 학습 유형이라고 정의할 수 있다.
Chapter 1 Introduction
시작하기에 앞서 강화학습이라고 하면 다들 아래의 사진을 떠올릴 것이다.
유니티 ML-Agents를 이용한 드론 제어 강화학습
아래는 제 Drone Github 링크입니다.
Pytorch based DQN
DQN 및 강화학습을 Tensorflow로만 작성하다 Pytorch이가 점차 올라오는 추세가 되어 Pytorch 공부를 겸하여 코드 작성을 하였다.
논문 리뷰
Mamba-3: 지수-사다리꼴 이산화, 복소 SSM, MIMO를 통한 표현력 높은 상태 공간 모델
논문 링크: arXiv 2603.15569 저자: Tri Dao, Albert Gu 소속: Together AI / Carnegie Mellon University
MM-Zero: 데이터 없이 스스로 진화하는 멀티모델 비전-언어 모델
논문 링크: arXiv 2603.09206 저자: Zongxia Li, Hongyang Du, Chengsong Huang, Xiyang Wu, Lantao Yu, Yicheng He, Jing Xie, Xiaomin Wu, Zhichao Liu, Jiarui Zhang...
Less is Enough: LLM의 특성 공간에서 다양한 데이터 합성하기
https://arxiv.org/abs/2602.10388
OPUS: LLM 사전 학습에서 매 반복마다 효율적이고 원칙에 입각한 데이터 선택을 향하여
https://arxiv.org/abs/2602.05400
Attention Is Not What You Need: Grassmann Flows as an Attention-Free Alternative for Sequence Modeling
논문 링크: arXiv 2512.19428 저자: Zhang Chong
ChatGPT
유용한 인공지능 영상
https://www.youtube.com/watch?v=sLgYJIpqUJg
일반적으로 사용되는 챗봇의 원리
최근에 떠오르고 있는 Chat GPT나 구글의 바드는 일반저긍로 다음의 원리와 같이 작동할 것이다.
Chat-GPT 잡아내는 AI 나왔다
출처: https://n.news.naver.com/article/015/0004804576
LLM
Less is Enough: LLM의 특성 공간에서 다양한 데이터 합성하기
https://arxiv.org/abs/2602.10388
OPUS: LLM 사전 학습에서 매 반복마다 효율적이고 원칙에 입각한 데이터 선택을 향하여
https://arxiv.org/abs/2602.05400
Hogwild! Inference: Parallel LLM Generation via Concurrent Attention
https://github.com/eqimp/hogwild_llm?_bhlid=d0e43178b4d426d6b68fdb2f5c141720a923cacc
꼭 들어보면 좋겠는 영상
https://www.youtube.com/watch?v=7xTGNNLPyMI
Ai
Satellite powered estimation of global solar potential
https://research.google/blog/satellite-powered-estimation-of-global-solar-potential/
OnlyFans 모델들이 AI를 활용해 DM(다이렉트 메시지)을 관리하다
https://www.wired.com/story/onlyfans-models-are-using-ai-impersonators-to-keep-up-with-their-dms/
유용한 인공지능 영상
https://www.youtube.com/watch?v=sLgYJIpqUJg
Sequence Modeling
Mamba-3: 지수-사다리꼴 이산화, 복소 SSM, MIMO를 통한 표현력 높은 상태 공간 모델
논문 링크: arXiv 2603.15569 저자: Tri Dao, Albert Gu 소속: Together AI / Carnegie Mellon University
Attention Is Not What You Need: Grassmann Flows as an Attention-Free Alternative for Sequence Modeling
논문 링크: arXiv 2512.19428 저자: Zhang Chong
Chapter 5 RNN, LSTM, GRU
지금까지는 이미지 처리에 중점을 두고 있는 NN에 대해서 알아보았다. 세상에는 많은 데이터가 존재하고 이미지만 데이터가 아닐 것이다. 우리는 가계부나 증권의 오르내림과 같은 순차적인 데이터 처리도 해야한다. 이를 위해서 나온 것이 RNN (Recurrent Neural Networ...
kaggle
[Kaggle] HMS - Harmful Brain Activity Classification
헝가리 출장을 갔다오는 바람에 제대로 참여하지 못한 …
Kaggle Notebooks <-> Colab update
https://www.linkedin.com/posts/kaggle_new-kaggle-notebooks-colab-updates-activity-7156718530447441920-ydjd?utm_source=share&utm_medium=member_android
Machine Learning
Chapter 2-1 Neural Networks
간단하게 인공 신경망(Artificial Neural Network, ANN)의 탄생을 설명하고 넘어가도록하자.
Chapter 1 Machine Learning
Goal of Machine Learning
neural network
Chapter 2-2 Neural Networks
Chapter2 초기를 상기해보자. 우리는 Shallow Network와 Deep Network의 정의를 하고 넘어갔다.
Chapter 2-1 Neural Networks
간단하게 인공 신경망(Artificial Neural Network, ANN)의 탄생을 설명하고 넘어가도록하자.
adversarial attacks
Chapter 10 Various artificial intelligence
인공지능이 활용되고 있는 다양한 영역을 소개하고 기본적인 인공지능 리뷰를 끝내려한다.
Chat-GPT 잡아내는 AI 나왔다
출처: https://n.news.naver.com/article/015/0004804576
챗GPT
여러분들의 도움이 필요합니다. (Open Assistant)
https://github.com/LAION-AI/Open-Assistant
Chat-GPT 잡아내는 AI 나왔다
출처: https://n.news.naver.com/article/015/0004804576
pyTorch
Pytorch based DQN
DQN 및 강화학습을 Tensorflow로만 작성하다 Pytorch이가 점차 올라오는 추세가 되어 Pytorch 공부를 겸하여 코드 작성을 하였다.
기업들이 Tensorflow보다 Pytorch로 선호하는 이유
간단하게 Tensorflow와 Pytorch의 정의를 보자.
stable diffusion
앞으로의 인공지능
https://www.youtube.com/watch?v=yR4hNBNS6yc&t
여러분들의 도움이 필요합니다. (Open Assistant)
https://github.com/LAION-AI/Open-Assistant
Open Assistant
일반적으로 사용되는 챗봇의 원리
최근에 떠오르고 있는 Chat GPT나 구글의 바드는 일반저긍로 다음의 원리와 같이 작동할 것이다.
오픈 어시스턴스(Open Assistant)
현재 대한민국 언어에 대한 label, prompt 생성에 참여중.
오픈 어시스턴트
Back to Top ↑DQN
Chapter 7. Value Function Approximation
지난 Chapter 내용을 간단히 복습해보겠습니다. 우리가 실제 모델을 알지 못할 때는 어떻게 해야 하는지, 일반화된 정책 개선 방법에 대해 배웠습니다. 탐험의 중요성을 이해하고, MC와 TD를 사용한 모델 없는 제어에 대해서도 알아보았습니다. SARSA와 Q-러닝에 대해서도 다...
Pytorch based DQN
DQN 및 강화학습을 Tensorflow로만 작성하다 Pytorch이가 점차 올라오는 추세가 되어 Pytorch 공부를 겸하여 코드 작성을 하였다.
convolution
Intuitive understanding of 1D, 2D, and 3D convolutions in convolutional neural networks [closed]
https://stackoverflow.com/questions/42883547/intuitive-understanding-of-1d-2d-and-3d-convolutions-in-convolutional-neural-n
Chapter 3 Convolutional Neural Networks
Open Assistant 참여와 Pytorch based DQN을 코드 작성등 개인적인 일정이 겹쳐 조금 늦게 작성을 시작하게 되었다.
D-id
10분만에 ‘말하는 AI 아바타’ 만들기 (혁펜하임님 따라하기)
https://www.youtube.com/watch?v=pXtRN_ZBXPU
생성된 사람 그림을 움직이게 해줄 수 있는 사이트
https://www.d-id.com/
Lux AI Season 2
Lux AI Season 2
https://www.kaggle.com/competitions/lux-ai-season-2/overview
Transformer
Attention Is Not What You Need: Grassmann Flows as an Attention-Free Alternative for Sequence Modeling
논문 링크: arXiv 2512.19428 저자: Zhang Chong
앞으로의 인공지능
https://www.youtube.com/watch?v=yR4hNBNS6yc&t
GPT4
GPT4 라이브 요약
https://www.youtube.com/watch?v=outcGtbnMuQ
앞으로의 인공지능
https://www.youtube.com/watch?v=yR4hNBNS6yc&t
gpt-4
GPT-4 논문 요약
[gpt-4.pdf
Unity
Unity + AI
https://www.linkedin.com/posts/unity_were-excited-to-share-a-new-integration-activity-7156397837704916994-6nGh?utm_source=share&utm_medium=member_android
유니티 ML-Agents를 이용한 Self Driving Car
Source: https://github.com/sh02092/unity-ml-agents-self-driving-car
PPO
Chapter 9. Policy Gradients
강화학습 알고리즘은 보통 세 가지 유형으로 분류됩니다.
유니티 ML-Agents를 이용한 Self Driving Car
Source: https://github.com/sh02092/unity-ml-agents-self-driving-car
alexnet
ALEXNET opensoure화
https://spectrum.ieee.org/alexnet-source-code
Chapter 4 CNN Structures
현재 다음의 대회를 참가하고, 추가로 참가하는 대회가 있어 시간이 많이 밀렸다.
gru
Were RNNs All We Needed?
https://arxiv.org/abs/2410.01201
Chapter 5 RNN, LSTM, GRU
지금까지는 이미지 처리에 중점을 두고 있는 NN에 대해서 알아보았다. 세상에는 많은 데이터가 존재하고 이미지만 데이터가 아닐 것이다. 우리는 가계부나 증권의 오르내림과 같은 순차적인 데이터 처리도 해야한다. 이를 위해서 나온 것이 RNN (Recurrent Neural Networ...
RNN
Were RNNs All We Needed?
https://arxiv.org/abs/2410.01201
Chapter 5 RNN, LSTM, GRU
지금까지는 이미지 처리에 중점을 두고 있는 NN에 대해서 알아보았다. 세상에는 많은 데이터가 존재하고 이미지만 데이터가 아닐 것이다. 우리는 가계부나 증권의 오르내림과 같은 순차적인 데이터 처리도 해야한다. 이를 위해서 나온 것이 RNN (Recurrent Neural Networ...
LSTM
Were RNNs All We Needed?
https://arxiv.org/abs/2410.01201
Chapter 5 RNN, LSTM, GRU
지금까지는 이미지 처리에 중점을 두고 있는 NN에 대해서 알아보았다. 세상에는 많은 데이터가 존재하고 이미지만 데이터가 아닐 것이다. 우리는 가계부나 증권의 오르내림과 같은 순차적인 데이터 처리도 해야한다. 이를 위해서 나온 것이 RNN (Recurrent Neural Networ...
Lora
QLora 구조
https://www.linkedin.com/posts/andrew-iain-jardine_llm-opensource-gpt3-activity-7153038508087984128-Qiqq?utm_source=share&utm_medium=member_android
LORA (Low-Rank Adaptation) vs Adapter
LORA (Low-Rank Adaptation) - attention에 추가 네트워크 삽입
waymo
AI for Autonomous Driving at Scale
자율주행의 새로운 기준: Waymo의 AI 기술과 운영 성과
니혼코츠(Nihon Kotsu)와 GO와 함께하는 첫 번째 국제 로드 트립 (waymo 국제 진출)
https://waymo.com/blog/2024/12/partnering-with-nihon-kotsu-and-go-on-our-first-international-road-trip
neurips 2024
Flow Matching for Generative Modeling
도입부: 왜 흐름 매칭인가?
AI for Autonomous Driving at Scale
자율주행의 새로운 기준: Waymo의 AI 기술과 운영 성과
deepseek-r1
Automating GPU Kernel Generation with DeepSeek-R1 and Inference Time Scaling
https://developer.nvidia.com/blog/automating-gpu-kernel-generation-with-deepseek-r1-and-inference-time-scaling/?ncid=so-link-284103&linkId=100000338909940
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
https://arxiv.org/abs/2501.12948
efficientvit
EfficientViT: Memory Efficient Vision Transformer with Cascaded Group Attention
https://arxiv.org/abs/2305.07027
EfficientViT: Multi-Scale Linear Attention for High-Resolution Dense Prediction
https://arxiv.org/abs/2205.14756
Attention
Attention Is Not What You Need: Grassmann Flows as an Attention-Free Alternative for Sequence Modeling
논문 링크: arXiv 2512.19428 저자: Zhang Chong
Fast and Simplex: 2-Simplicial Attention in Triton
https://arxiv.org/abs/2507.02754?_bhlid=b823264a61f867fcfc11342f5464010c50351360
공부했던거 정리중
Chapter 1 Machine Learning
Goal of Machine Learning
기초
Chapter 1 Machine Learning
Goal of Machine Learning
머신러닝
Chapter 1 Machine Learning
Goal of Machine Learning
Ann
Chapter 2-1 Neural Networks
간단하게 인공 신경망(Artificial Neural Network, ANN)의 탄생을 설명하고 넘어가도록하자.
Artificial Neural Network
Chapter 2-1 Neural Networks
간단하게 인공 신경망(Artificial Neural Network, ANN)의 탄생을 설명하고 넘어가도록하자.
Regularization
Chapter 2-2 Neural Networks
Chapter2 초기를 상기해보자. 우리는 Shallow Network와 Deep Network의 정의를 하고 넘어갔다.
Dropout
Chapter 2-2 Neural Networks
Chapter2 초기를 상기해보자. 우리는 Shallow Network와 Deep Network의 정의를 하고 넘어갔다.
overfitting
Chapter 2-2 Neural Networks
Chapter2 초기를 상기해보자. 우리는 Shallow Network와 Deep Network의 정의를 하고 넘어갔다.
batch normalization
Chapter 2-2 Neural Networks
Chapter2 초기를 상기해보자. 우리는 Shallow Network와 Deep Network의 정의를 하고 넘어갔다.
weight decay
Chapter 2-2 Neural Networks
Chapter2 초기를 상기해보자. 우리는 Shallow Network와 Deep Network의 정의를 하고 넘어갔다.
Vanishing Gradient Problem
Chapter 2-2 Neural Networks
Chapter2 초기를 상기해보자. 우리는 Shallow Network와 Deep Network의 정의를 하고 넘어갔다.
Saturation Problem
Chapter 2-2 Neural Networks
Chapter2 초기를 상기해보자. 우리는 Shallow Network와 Deep Network의 정의를 하고 넘어갔다.
Covariate Shift
Chapter 2-2 Neural Networks
Chapter2 초기를 상기해보자. 우리는 Shallow Network와 Deep Network의 정의를 하고 넘어갔다.
Internal Covariate Shift
Chapter 2-2 Neural Networks
Chapter2 초기를 상기해보자. 우리는 Shallow Network와 Deep Network의 정의를 하고 넘어갔다.
TensorFlow
기업들이 Tensorflow보다 Pytorch로 선호하는 이유
간단하게 Tensorflow와 Pytorch의 정의를 보자.
면접용
기업들이 Tensorflow보다 Pytorch로 선호하는 이유
간단하게 Tensorflow와 Pytorch의 정의를 보자.
OpenAI
여러분들의 도움이 필요합니다. (Open Assistant)
https://github.com/LAION-AI/Open-Assistant
Chat-gpt
여러분들의 도움이 필요합니다. (Open Assistant)
https://github.com/LAION-AI/Open-Assistant
open-assistant
여러분들의 도움이 필요합니다. (Open Assistant)
https://github.com/LAION-AI/Open-Assistant
98위
Back to Top ↑pygame
Pytorch based DQN
DQN 및 강화학습을 Tensorflow로만 작성하다 Pytorch이가 점차 올라오는 추세가 되어 Pytorch 공부를 겸하여 코드 작성을 하였다.
PygameDQN
Pytorch based DQN
DQN 및 강화학습을 Tensorflow로만 작성하다 Pytorch이가 점차 올라오는 추세가 되어 Pytorch 공부를 겸하여 코드 작성을 하였다.
cnn
Chapter 3 Convolutional Neural Networks
Open Assistant 참여와 Pytorch based DQN을 코드 작성등 개인적인 일정이 겹쳐 조금 늦게 작성을 시작하게 되었다.
Convolutional Neural Networks
Chapter 3 Convolutional Neural Networks
Open Assistant 참여와 Pytorch based DQN을 코드 작성등 개인적인 일정이 겹쳐 조금 늦게 작성을 시작하게 되었다.
Zero padding
Chapter 3 Convolutional Neural Networks
Open Assistant 참여와 Pytorch based DQN을 코드 작성등 개인적인 일정이 겹쳐 조금 늦게 작성을 시작하게 되었다.
챗봇
일반적으로 사용되는 챗봇의 원리
최근에 떠오르고 있는 Chat GPT나 구글의 바드는 일반저긍로 다음의 원리와 같이 작동할 것이다.
Chatbot
일반적으로 사용되는 챗봇의 원리
최근에 떠오르고 있는 Chat GPT나 구글의 바드는 일반저긍로 다음의 원리와 같이 작동할 것이다.
Diffsinger
음성 변조를 잡아내는 앱 계획서
최근에 텍스트를 읽어주던 인공지능에서 음성이 변조가 가능한 인공지능으로 음성 인공지능이 발달하고 있다.
Diffsinger-zero
음성 변조를 잡아내는 앱 계획서
최근에 텍스트를 읽어주던 인공지능에서 음성이 변조가 가능한 인공지능으로 음성 인공지능이 발달하고 있다.
클로바
10분만에 ‘말하는 AI 아바타’ 만들기 (혁펜하임님 따라하기)
https://www.youtube.com/watch?v=pXtRN_ZBXPU
Midjourney
10분만에 ‘말하는 AI 아바타’ 만들기 (혁펜하임님 따라하기)
https://www.youtube.com/watch?v=pXtRN_ZBXPU
혁펜하임
10분만에 ‘말하는 AI 아바타’ 만들기 (혁펜하임님 따라하기)
https://www.youtube.com/watch?v=pXtRN_ZBXPU
말하는 AI 아바타
10분만에 ‘말하는 AI 아바타’ 만들기 (혁펜하임님 따라하기)
https://www.youtube.com/watch?v=pXtRN_ZBXPU
GPT-chat
10분만에 ‘말하는 AI 아바타’ 만들기 (혁펜하임님 따라하기)
https://www.youtube.com/watch?v=pXtRN_ZBXPU
제페토 월드잇
제페토 월드잇 정리용
https://zepetoworldjam.com/?utm_source=zepeto&utm_medium=discord&utm_campaign=welcome
모으는중
Unity ML agent 자율주행환경 에셋
https://assetstore.unity.com/packages/templates/automotive-hmi-template-201095
정리중
한번 해볼만한 코딩들 모음
https://wikidocs.net/156950
OpenAI Codex
OpenAI Codex 사용해서 게임 만들기
https://openai.com/blog/openai-codex/
Dive into Deep Learning
인공지능 공부용 책
Dive into Deep Learning
Gen-1
2023년은 인공지능은 동영상 변환 시대
https://www.youtube.com/watch?v=DtC_fexN-r0
DeepL 번역기
개인적으로 구글 번역기보다 깔끔한 번역기
https://www.deepl.com/translator
엔비디아
엔비디아가 성장 가능성이 높은 이유
https://www.youtube.com/watch?v=7Vf6l7ieQKs
Tableau
Tableau 기초로 보면 좋은 영상
https://www.youtube.com/watch?v=DkTVBZgudlM
Tableau 기초
Tableau 기초로 보면 좋은 영상
https://www.youtube.com/watch?v=DkTVBZgudlM
ZEPETO WORLD JAM
ZEPETO WORLD JAM 2023 참여 후기
https://zepetoworldjam.com/
제페토 월드잼
ZEPETO WORLD JAM 2023 참여 후기
https://zepetoworldjam.com/
Adversarial attack
Katago를 이긴 Adversarial Katago
https://goattack.far.ai/
goattack
Katago를 이긴 Adversarial Katago
https://goattack.far.ai/
AIVA
Back to Top ↑인공지능 음악
Back to Top ↑유튜브 다운로드
유튜브 다운로드 및 자막 생성
https://colab.research.google.com/drive/1ptP5KuqQAtHApxtfJbh5A7nGgB-hxHrn?usp=sharing
유튜브 자막 생성
유튜브 다운로드 및 자막 생성
https://colab.research.google.com/drive/1ptP5KuqQAtHApxtfJbh5A7nGgB-hxHrn?usp=sharing
인공지능
유용한 인공지능 영상
https://www.youtube.com/watch?v=sLgYJIpqUJg
빵형
유용한 인공지능 영상
https://www.youtube.com/watch?v=sLgYJIpqUJg
딥러닝
유용한 인공지능 영상
https://www.youtube.com/watch?v=sLgYJIpqUJg
StableDiffusion
유용한 인공지능 영상
https://www.youtube.com/watch?v=sLgYJIpqUJg
유튜브 동영상
유튜브 동영상 다운로드 및 srt 파일 생성
https://colab.research.google.com/drive/1iXU0q7-h4KUP0JCkRwUZgYQUnNnwpUTo?usp=sharing
유튜브 동영상 다운로드
유튜브 동영상 다운로드 및 srt 파일 생성
https://colab.research.google.com/drive/1iXU0q7-h4KUP0JCkRwUZgYQUnNnwpUTo?usp=sharing
srt 파일
유튜브 동영상 다운로드 및 srt 파일 생성
https://colab.research.google.com/drive/1iXU0q7-h4KUP0JCkRwUZgYQUnNnwpUTo?usp=sharing
GPT요약
GPT4 라이브 요약
https://www.youtube.com/watch?v=outcGtbnMuQ
논문의 의미가 있나
GPT-4 논문 요약
[gpt-4.pdf
DRONE
유니티 ML-Agents를 이용한 드론 제어 강화학습
아래는 제 Drone Github 링크입니다.
ML-agent
유니티 ML-Agents를 이용한 드론 제어 강화학습
아래는 제 Drone Github 링크입니다.
2021 RL Korea Drone Delivery Challenge with Unity
유니티 ML-Agents를 이용한 드론 제어 강화학습
아래는 제 Drone Github 링크입니다.
Drone Delivery
유니티 ML-Agents를 이용한 드론 제어 강화학습
아래는 제 Drone Github 링크입니다.
ML-Agents
유니티 ML-Agents를 이용한 Self Driving Car
Source: https://github.com/sh02092/unity-ml-agents-self-driving-car
Self Driving Car
유니티 ML-Agents를 이용한 Self Driving Car
Source: https://github.com/sh02092/unity-ml-agents-self-driving-car
did
Back to Top ↑DALL-E
Back to Top ↑빵형의 개발도상국
Back to Top ↑영상 만드는 인공지능
영상 만드는 인공지능
https://huggingface.co/damo-vilab/modelscope-damo-text-to-video-synthesis
ModelScope
영상 만드는 인공지능
https://huggingface.co/damo-vilab/modelscope-damo-text-to-video-synthesis
ResNet
Chapter 4 CNN Structures
현재 다음의 대회를 참가하고, 추가로 참가하는 대회가 있어 시간이 많이 밀렸다.
VGG
Chapter 4 CNN Structures
현재 다음의 대회를 참가하고, 추가로 참가하는 대회가 있어 시간이 많이 밀렸다.
densenet
Chapter 4 CNN Structures
현재 다음의 대회를 참가하고, 추가로 참가하는 대회가 있어 시간이 많이 밀렸다.
GoogLeNet
Chapter 4 CNN Structures
현재 다음의 대회를 참가하고, 추가로 참가하는 대회가 있어 시간이 많이 밀렸다.
ZNET
Chapter 4 CNN Structures
현재 다음의 대회를 참가하고, 추가로 참가하는 대회가 있어 시간이 많이 밀렸다.
Depthwise Separable Convolution
Chapter 4 CNN Structures
현재 다음의 대회를 참가하고, 추가로 참가하는 대회가 있어 시간이 많이 밀렸다.
Bidirectional LSTM
Chapter 5 RNN, LSTM, GRU
지금까지는 이미지 처리에 중점을 두고 있는 NN에 대해서 알아보았다. 세상에는 많은 데이터가 존재하고 이미지만 데이터가 아닐 것이다. 우리는 가계부나 증권의 오르내림과 같은 순차적인 데이터 처리도 해야한다. 이를 위해서 나온 것이 RNN (Recurrent Neural Networ...
plugin
Back to Top ↑encoder-decoder attention layer
Chapter 6 Transformer Model
Ashish Vaswani, Noam Shazeer , Niki Parmar, Jakob Uszkoreit , Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin , “Attention Is All You Need,” NIP...
Multi-headed attention
Chapter 6 Transformer Model
Ashish Vaswani, Noam Shazeer , Niki Parmar, Jakob Uszkoreit , Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin , “Attention Is All You Need,” NIP...
Pointwise Feed Forward
Chapter 6 Transformer Model
Ashish Vaswani, Noam Shazeer , Niki Parmar, Jakob Uszkoreit , Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin , “Attention Is All You Need,” NIP...
positional encoding
Chapter 6 Transformer Model
Ashish Vaswani, Noam Shazeer , Niki Parmar, Jakob Uszkoreit , Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin , “Attention Is All You Need,” NIP...
Self-attention
Chapter 6 Transformer Model
Ashish Vaswani, Noam Shazeer , Niki Parmar, Jakob Uszkoreit , Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin , “Attention Is All You Need,” NIP...
Transformer Model
Chapter 6 Transformer Model
Ashish Vaswani, Noam Shazeer , Niki Parmar, Jakob Uszkoreit , Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin , “Attention Is All You Need,” NIP...
conditional GAN
Chapter 7 Generative Adverislal Network
Generative Adverislal Network, 흔히 GAN이라고 불리며 현재는 잘 사용되지 않는 모델이다. Diffusion 모델이 현재 생성 이미지를 꽉 잡고 있기 때문이다. GAN에 대한 정리 영상과 Diffusion 모델 영상은 다음을 추천드린다.
CycleGAN
Chapter 7 Generative Adverislal Network
Generative Adverislal Network, 흔히 GAN이라고 불리며 현재는 잘 사용되지 않는 모델이다. Diffusion 모델이 현재 생성 이미지를 꽉 잡고 있기 때문이다. GAN에 대한 정리 영상과 Diffusion 모델 영상은 다음을 추천드린다.
Generative Adverislal Network
Chapter 7 Generative Adverislal Network
Generative Adverislal Network, 흔히 GAN이라고 불리며 현재는 잘 사용되지 않는 모델이다. Diffusion 모델이 현재 생성 이미지를 꽉 잡고 있기 때문이다. GAN에 대한 정리 영상과 Diffusion 모델 영상은 다음을 추천드린다.
InfoGAN
Chapter 7 Generative Adverislal Network
Generative Adverislal Network, 흔히 GAN이라고 불리며 현재는 잘 사용되지 않는 모델이다. Diffusion 모델이 현재 생성 이미지를 꽉 잡고 있기 때문이다. GAN에 대한 정리 영상과 Diffusion 모델 영상은 다음을 추천드린다.
Progressive GAN
Chapter 7 Generative Adverislal Network
Generative Adverislal Network, 흔히 GAN이라고 불리며 현재는 잘 사용되지 않는 모델이다. Diffusion 모델이 현재 생성 이미지를 꽉 잡고 있기 때문이다. GAN에 대한 정리 영상과 Diffusion 모델 영상은 다음을 추천드린다.
EfficientNet
Chapter 8 Small Nets and EfficientNet
우리는 지금까지 모델에 layer들이 추가되는 방식에 대해서 설명했다. 얼마나 더 큰 모델을 만들고 이것들이 잘작동하는지 말이다. 하지만 큰 모델들은 컴퓨터나 클라우드에서 사용가능하다. 이는 어디에서나 해당 모델을 사용할 수 없다는 말이다. 가령 인터넷이 끊기는 지역이라던가 컴퓨터...
mobilenet
Chapter 8 Small Nets and EfficientNet
우리는 지금까지 모델에 layer들이 추가되는 방식에 대해서 설명했다. 얼마나 더 큰 모델을 만들고 이것들이 잘작동하는지 말이다. 하지만 큰 모델들은 컴퓨터나 클라우드에서 사용가능하다. 이는 어디에서나 해당 모델을 사용할 수 없다는 말이다. 가령 인터넷이 끊기는 지역이라던가 컴퓨터...
MobileNet-V1
Chapter 8 Small Nets and EfficientNet
우리는 지금까지 모델에 layer들이 추가되는 방식에 대해서 설명했다. 얼마나 더 큰 모델을 만들고 이것들이 잘작동하는지 말이다. 하지만 큰 모델들은 컴퓨터나 클라우드에서 사용가능하다. 이는 어디에서나 해당 모델을 사용할 수 없다는 말이다. 가령 인터넷이 끊기는 지역이라던가 컴퓨터...
MobileNet-V2
Chapter 8 Small Nets and EfficientNet
우리는 지금까지 모델에 layer들이 추가되는 방식에 대해서 설명했다. 얼마나 더 큰 모델을 만들고 이것들이 잘작동하는지 말이다. 하지만 큰 모델들은 컴퓨터나 클라우드에서 사용가능하다. 이는 어디에서나 해당 모델을 사용할 수 없다는 말이다. 가령 인터넷이 끊기는 지역이라던가 컴퓨터...
ShuffleNet
Chapter 8 Small Nets and EfficientNet
우리는 지금까지 모델에 layer들이 추가되는 방식에 대해서 설명했다. 얼마나 더 큰 모델을 만들고 이것들이 잘작동하는지 말이다. 하지만 큰 모델들은 컴퓨터나 클라우드에서 사용가능하다. 이는 어디에서나 해당 모델을 사용할 수 없다는 말이다. 가령 인터넷이 끊기는 지역이라던가 컴퓨터...
Small Nets
Chapter 8 Small Nets and EfficientNet
우리는 지금까지 모델에 layer들이 추가되는 방식에 대해서 설명했다. 얼마나 더 큰 모델을 만들고 이것들이 잘작동하는지 말이다. 하지만 큰 모델들은 컴퓨터나 클라우드에서 사용가능하다. 이는 어디에서나 해당 모델을 사용할 수 없다는 말이다. 가령 인터넷이 끊기는 지역이라던가 컴퓨터...
xception
Chapter 8 Small Nets and EfficientNet
우리는 지금까지 모델에 layer들이 추가되는 방식에 대해서 설명했다. 얼마나 더 큰 모델을 만들고 이것들이 잘작동하는지 말이다. 하지만 큰 모델들은 컴퓨터나 클라우드에서 사용가능하다. 이는 어디에서나 해당 모델을 사용할 수 없다는 말이다. 가령 인터넷이 끊기는 지역이라던가 컴퓨터...
grid search
Chapter 9 Hyperparameter Optimization
우리는 지금까지 모델 구조에 대해서 이야기했다. 안에 들어가는 변수들에 대한 조정을 크게 다루지 않았다. 예를들어, Learning rate, Momentum rate, Dropout, Normalization, Number of layers, number of nodes에 대해서...
Hyperparameter Optimization
Chapter 9 Hyperparameter Optimization
우리는 지금까지 모델 구조에 대해서 이야기했다. 안에 들어가는 변수들에 대한 조정을 크게 다루지 않았다. 예를들어, Learning rate, Momentum rate, Dropout, Normalization, Number of layers, number of nodes에 대해서...
random search
Chapter 9 Hyperparameter Optimization
우리는 지금까지 모델 구조에 대해서 이야기했다. 안에 들어가는 변수들에 대한 조정을 크게 다루지 않았다. 예를들어, Learning rate, Momentum rate, Dropout, Normalization, Number of layers, number of nodes에 대해서...
Acquisition Function
Chapter 9 Hyperparameter Optimization
우리는 지금까지 모델 구조에 대해서 이야기했다. 안에 들어가는 변수들에 대한 조정을 크게 다루지 않았다. 예를들어, Learning rate, Momentum rate, Dropout, Normalization, Number of layers, number of nodes에 대해서...
Out-of-Distribution Detection
Chapter 10 Various artificial intelligence
인공지능이 활용되고 있는 다양한 영역을 소개하고 기본적인 인공지능 리뷰를 끝내려한다.
Markov Decision Process
Chapter3. Markov Decision Process
Markov Decision Processes (MDP)는 강화 학습을 위한 환경을 공식적으로 설명하며, 환경을 완전히 관찰할 수 있는 경우 거의 모든 RL 문제는 MDP로 공식화할 수 있다. 그렇다고 부분적으로 관찰 가능한 문제를 MDP로 변환할 수 없는 것은 아니다.
Model-based Planning
Chapter4. Model-based Planning
지금까지 공식을 배웠다면 이를 적용하는 것에 대해서 알아보자.
Model-free Prediction
Chapter 5. Model-free Prediction
우리는 전 chapter에서는 Model-based Planning에 대해서 알아보았다. Model-based Planning(모델 기반 계획)은 주어진 환경 모델을 사용하여 계획을 수립하는 방법이었다. 모델 기반 계획은 환경의 동작을 사전에 알고 있으며, 이를 활용하여 가능한 행...
Model-Free Control
Chapter6. Model-Free Control
Model-free Reinforcement Learning
Value Function Approximation
Chapter 7. Value Function Approximation
지난 Chapter 내용을 간단히 복습해보겠습니다. 우리가 실제 모델을 알지 못할 때는 어떻게 해야 하는지, 일반화된 정책 개선 방법에 대해 배웠습니다. 탐험의 중요성을 이해하고, MC와 TD를 사용한 모델 없는 제어에 대해서도 알아보았습니다. SARSA와 Q-러닝에 대해서도 다...
Double DQN
Chapter 8. Advanced Value Function Approximation
DQN을 기반으로 한 다른 연구들을 알아보자. • 아타리에서의 성공은 심층 신경망을 사용하여 강화학습에서 가치 함수 근사를 수행하는 데 큰 흥미를 불러일으켰습니다. • 즉시 개선된 몇 가지 방법들 (그 외에도 다른 많은 방법들이 있습니다!) • Double DQN (Double...
dueling dqn
Chapter 8. Advanced Value Function Approximation
DQN을 기반으로 한 다른 연구들을 알아보자. • 아타리에서의 성공은 심층 신경망을 사용하여 강화학습에서 가치 함수 근사를 수행하는 데 큰 흥미를 불러일으켰습니다. • 즉시 개선된 몇 가지 방법들 (그 외에도 다른 많은 방법들이 있습니다!) • Double DQN (Double...
Prioritized Replay
Chapter 8. Advanced Value Function Approximation
DQN을 기반으로 한 다른 연구들을 알아보자. • 아타리에서의 성공은 심층 신경망을 사용하여 강화학습에서 가치 함수 근사를 수행하는 데 큰 흥미를 불러일으켰습니다. • 즉시 개선된 몇 가지 방법들 (그 외에도 다른 많은 방법들이 있습니다!) • Double DQN (Double...
actor-critic
Chapter 9. Policy Gradients
강화학습 알고리즘은 보통 세 가지 유형으로 분류됩니다.
DDPG
Chapter 9. Policy Gradients
강화학습 알고리즘은 보통 세 가지 유형으로 분류됩니다.
Policy Gradients
Chapter 9. Policy Gradients
강화학습 알고리즘은 보통 세 가지 유형으로 분류됩니다.
Soft Actor Critic (SAC)
Chapter 9. Policy Gradients
강화학습 알고리즘은 보통 세 가지 유형으로 분류됩니다.
TD3
Chapter 9. Policy Gradients
강화학습 알고리즘은 보통 세 가지 유형으로 분류됩니다.
TRPO
Chapter 9. Policy Gradients
강화학습 알고리즘은 보통 세 가지 유형으로 분류됩니다.
Exploration
Chapter 10. Exploration
Exploration vs. Exploitation을 다시 되돌아보자. 아래의 이미지를 통해 항상 가던 길을 가는게 Exploitation, 새로운 곳으로 가는게 Exploration이라는 것을 이전 chapter에서 배웠다.
Imitation Learning
Chapter 11. Imitation Learning
References • ICML 2018 Imitation Learning Tutorial https://sites.google.com/view/icml2018-imitation-learning/
Model-based Reinforcement Learning
Chapter 12. Model-based Reinforcement Learning
이번 챕터에서는 Model Based Reinforcement Learning에 대해 알아보겠습니다. Model Based Reinforcement Learning은 경험을 통해 직접 모델을 학습하고, 이를 활용하여 계획(planning)을 수행하여 가치 함수나 정책을 구축하는 방...
FreeU
재미있는 Diffusion 아이디어
https://chenyangsi.top/FreeU/
cal q learning
cal q learning
https://arxiv.org/abs/2303.05479
MAMBA
Mamba： Linear-Time Sequence Modeling with Selective State Spaces
Mamba: 단순화된 시퀀스 모델링
litter
재미있는 프로그램
https://www.youtube.com/watch?v=v8O_tSF_o50
Streamable Attention
Efficient Streaming Language Models with Attention Sinks
스트리밍 언어 모델의 효율성 향상과 Attention Sinks
Promptbreeder
Promptbreeder： Self-Referential Self-Improvement Via Prompt Evolution
프롬프트브리더: 프롬프트 진화를 통한 자기 개선
Adapter
LORA (Low-Rank Adaptation) vs Adapter
LORA (Low-Rank Adaptation) - attention에 추가 네트워크 삽입
kubChain
LLM 이용한 랭체인 노코드툴
https://www.youtube.com/watch?v=ZX5zYXCjH8s
Graph UI
Unity + AI
https://www.linkedin.com/posts/unity_were-excited-to-share-a-new-integration-activity-7156397837704916994-6nGh?utm_source=share&utm_medium=member_android
Ai-art
구글에서 전시중인 인공지능 아트
https://deepmind.google/discover/visualising-ai/
양자 학습
양자학습법 - Mistral-7B
https://www.linkedin.com/posts/akshay-pachaar_run-mistral-7b-almost-3x-faster-on-a-single-activity-7156262684999438336-mR0n?utm_source=share&utm_medium=m...
드림부스
드림부스 finetune
https://github.com/huggingface/autotrain-advanced
라마2
라마2 개선 버전?
https://www.linkedin.com/posts/aiatmeta_introducing-prompt-engineering-with-llama-activity-7155984162926067712-PAAY?utm_source=share&utm_medium=member_an...
error
다음 에러날때
Fatal Python error: init_import_site: Failed to import the site module Python runtime state: initialized Traceback (most recent call last): File “C:\Users\...
QLora
QLora 구조
https://www.linkedin.com/posts/andrew-iain-jardine_llm-opensource-gpt3-activity-7153038508087984128-Qiqq?utm_source=share&utm_medium=member_android
Prodicthunt
프로젝트들 보는 사이트
https://www.producthunt.com/
Self-Rewarding Language Models
Self-Rewarding Language Models
https://arxiv.org/abs/2401.10020
AutoTrain
AutoTrain - Hugging Face
https://www.linkedin.com/posts/abhi1thakur_autotrain-is-now-local-first-this-activity-7156595676796141569-qtIE?utm_source=share&utm_medium=member_android
colab
Kaggle Notebooks <-> Colab update
https://www.linkedin.com/posts/kaggle_new-kaggle-notebooks-colab-updates-activity-7156718530447441920-ydjd?utm_source=share&utm_medium=member_android
kohya_ss
sdxl 학습법
https://github.com/bmaltais/kohya_ss?tab=readme-ov-file#sdxl-training
AI LUMIERE
AI LUMIERE
https://www.theverge.com/2024/1/27/24052140/google-lumiere-ai-video-generation-runway-pika
LLaMA Pro
LLaMA Pro： Progressive LLaMA with Block Expansion (Paper Explained)
https://arxiv.org/html/2401.02415v1
Moe
Mixtral of Experts
https://arxiv.org/abs/2401.04088
Mixtral of Experts
Mixtral of Experts
https://arxiv.org/abs/2401.04088
AlphaGeometry
AlphaGeometry： Solving olympiad geometry without human demonstrations
https://www.nature.com/articles/s41586-023-06747-5
vae
VAE - 간단 설명 (동영상 공)
https://www.youtube.com/watch?v=q-n2HNan9jo
https://netron.app/
NN 구조 한번에 펼쳐보기
https://netron.app/
Prime Finding Algorithm
Dijkstra’s Hidden Prime Finding Algorithm
https://www.youtube.com/watch?app=desktop&v=fwxjMKBMR7s
claude 3
Anthropic’s Claude 3는 자의식이 있는가?
https://www.youtube.com/watch?v=GBOE9fVVVSM&
searchformer
Beyond A*: Better Planning with Transformers via Search Dynamics Bootstrapping (Searchformer)
https://www.youtube.com/watch?v=PW4JiJ-WaY4
openelm
Apple Shocks Again： Introducing OpenELM Open Source AI Model That Changes Everything!
https://www.youtube.com/watch?v=huH0fKmw0H0
leave no context behind： efficient infinite context transformers with infini attention
Leave No Context Behind： Efficient Infinite Context Transformers with Infini attention
https://www.youtube.com/watch?v=r_UBBfTPcF0
alphacodium
AlphaCodium
https://github.com/Codium-ai/AlphaCodium
storydiffusion
storydiffusion
storydiffusion
공유
diffusion 논문 유튜브 공유
https://www.youtube.com/watch?v=RGlwzCWJubs
Diffusion
diffusion 논문 유튜브 공유
https://www.youtube.com/watch?v=RGlwzCWJubs
salesforce
인공지능 분야 모델 분석
https://www.salesforceairesearch.com/crm-benchmark
replicate
이미지 prompt 추축
우리가 받은 ai 이미지의 단어를 추측해주는 사이트
japan-image translate to korean
Japan-image translate to Korean
https://github.com/cs20131516/image_translator
luma
Luma-ai
https://lumalabs.ai/dream-machine/creations
luma-ai
Luma-ai
https://lumalabs.ai/dream-machine/creations
Moshi
Moshi
https://us.moshi.chat/
음성대화ai
Moshi
https://us.moshi.chat/
SAM2
Back to Top ↑whisk
Whisk: Visualize and remix ideas using images and AI
https://blog.google/technology/google-labs/whisk/
visualize and remix ideas using images and ai
Whisk: Visualize and remix ideas using images and AI
https://blog.google/technology/google-labs/whisk/
geeknight
geeknight 2024 긱뉴스 밋업 후기
https://www.winterjung.dev/2024-geeknews-meetup-summary/
ai 엔지니어링
AI 엔지니어링: 기본 모델을 활용한 애플리케이션 구축 (Chip Huyen, 2025)
https://github.com/chiphuyen/aie-book
SVG
Khoshnus - 아름다운 손글씨 SVG 텍스트 애니메이션 만들기
https://github.com/Amer-Jabar/khoshnus
2025년 이후의 기술 예측
2025년 이후의 기술 예측
https://www.allthingsdistributed.com/2024/12/tech-predictions-for-2025-and-beyond.html
onlyfans
OnlyFans 모델들이 AI를 활용해 DM(다이렉트 메시지)을 관리하다
https://www.wired.com/story/onlyfans-models-are-using-ai-impersonators-to-keep-up-with-their-dms/
develop multilingual
Develop Multilingual and Cross-Lingual Information Retrieval Systems with Efficient Data Storage
https://developer.nvidia.com/blog/develop-multilingual-and-cross-lingual-information-retrieval-systems-with-efficient-data-storage/
Satellite
Satellite powered estimation of global solar potential
https://research.google/blog/satellite-powered-estimation-of-global-solar-potential/
curly-cue: geometric methods for highly coiled hair
[Beauty Salon: Hair, Face, Lips, and Teeth] Curly-Cue: Geometric Methods for Highly Coiled Hair
https://dl.acm.org/doi/10.1145/3680528.3687641
spark: self-supervised personalized real-time monocular face capture
[Beauty Salon: Hair, Face, Lips, and Teeth] SPARK: Self-supervised Personalized Real-time Monocular Face Capture
https://arxiv.org/abs/2409.07984
groomcap: high-fidelity prior-free hair capture
[Beauty Salon: Hair, Face, Lips, and Teeth] GroomCap: High-Fidelity Prior-Free Hair Capture
https://dl.acm.org/doi/10.1145/3687768
towards unified 3d hair reconstruction from single-view portraits
[Beauty Salon: Hair, Face, Lips, and Teeth] Towards Unified 3D Hair Reconstruction from Single-View Portraits
https://dl.acm.org/doi/10.1145/3680528.3687597
the lips
[Beauty Salon: Hair, Face, Lips, and Teeth] The Lips, the Teeth, the tip of the Tongue: LTT Tracking
https://dl.acm.org/doi/10.1145/3680528.3687691
the teeth
[Beauty Salon: Hair, Face, Lips, and Teeth] The Lips, the Teeth, the tip of the Tongue: LTT Tracking
https://dl.acm.org/doi/10.1145/3680528.3687691
the tip of the tongue: ltt tracking
[Beauty Salon: Hair, Face, Lips, and Teeth] The Lips, the Teeth, the tip of the Tongue: LTT Tracking
https://dl.acm.org/doi/10.1145/3680528.3687691
hairmony: fairness-aware hairstyle classification
[Beauty Salon: Hair, Face, Lips, and Teeth] Hairmony: Fairness-aware hairstyle classification
https://dl.acm.org/doi/10.1145/3680528.3687582
façaid: a transformer model for neuro-symbolic facade reconstruction
[Modeling and Reconstruction] FaçAID: A Transformer Model for Neuro-Symbolic Facade Reconstruction
https://dl.acm.org/doi/10.1145/3680528.3687657
large scale farm scene modeling from remote sensing imagery
[Modeling and Reconstruction] Large Scale Farm Scene Modeling from Remote Sensing Imagery
https://dl.acm.org/doi/10.1145/3687918
reconstruct translucent thin objects from photos
[Modeling and Reconstruction] Reconstruct translucent thin objects from photos
https://dl.acm.org/doi/10.1145/3680528.3687572
dreamudf: generating unsigned distance fields from a single image
[Modeling and Reconstruction] DreamUDF: Generating Unsigned Distance Fields from A Single Image
https://dl.acm.org/doi/10.1145/3687769
dreamudf
[Modeling and Reconstruction] DreamUDF: Generating Unsigned Distance Fields from A Single Image
https://dl.acm.org/doi/10.1145/3687769
generating unsigned distance fields from a single image
[Modeling and Reconstruction] DreamUDF: Generating Unsigned Distance Fields from A Single Image
https://dl.acm.org/doi/10.1145/3687769
the (hex)tech of arcane season 02
The (Hex)tech of Arcane Season 02
1. 간단한 요약 및 소개
utilizing generative ai for look dev in cg anime production
Utilizing Generative AI for Look Dev in CG Anime Production [In Japanese]
https://asia.siggraph.org/2024/presentation/?id=IS_122&sess=sess314
human4dit
[Hand and Human] Human4DiT: 360-degree Human Video Generation with 4D Diffusion Transformer
https://dl.acm.org/doi/10.1145/3687980
360-degree human video generation with 4d diffusion transformer
[Hand and Human] Human4DiT: 360-degree Human Video Generation with 4D Diffusion Transformer
https://dl.acm.org/doi/10.1145/3687980
synchronize dual hands for physics-based dexterous guitar playing
[Hand and Human] Synchronize Dual Hands for Physics-Based Dexterous Guitar Playing
https://dl.acm.org/doi/10.1145/3680528.3687692
world-grounded human motion recovery via gravity-view coordinates
[Hand and Human] World-Grounded Human Motion Recovery via Gravity-View Coordinates
https://arxiv.org/abs/2409.06662
iseg
[Interactive Methods and VR/AR] iSeg: Interactive 3D Segmentation via Interactive Attention
https://dl.acm.org/doi/10.1145/3680528.3687605
interactive 3d segmentation via interactive attention
[Interactive Methods and VR/AR] iSeg: Interactive 3D Segmentation via Interactive Attention
https://dl.acm.org/doi/10.1145/3680528.3687605
procedural material generation with reinforcement learning
[Enhancing, Saliency] Procedural Material Generation with Reinforcement Learning
https://dl.acm.org/doi/10.1145/3687979
gpu coroutines for flexible splitting and scheduling of rendering tasks
[Enhancing, Saliency] GPU Coroutines for Flexible Splitting and Scheduling of Rendering Tasks
https://dl.acm.org/doi/10.1145/3687766
asia siggrap day 4
ASIA SIGGRAP DAY 4
시작하며
asia siggrap
ASIA SIGGRAP DAY 4
시작하며
ai for autonomous driving at scale
AI for Autonomous Driving at Scale
자율주행의 새로운 기준: Waymo의 AI 기술과 운영 성과
flow matching for generative modeling
Flow Matching for Generative Modeling
도입부: 왜 흐름 매칭인가?
understanding transformer reasoning capabilities via graph algorithms
Understanding Transformer reasoning capabilities via graph algorithms
https://research.google/blog/understanding-transformer-reasoning-capabilities-via-graph-algorithms/
algorithms & theory
Understanding Transformer reasoning capabilities via graph algorithms
https://research.google/blog/understanding-transformer-reasoning-capabilities-via-graph-algorithms/
data mining & modeling
Understanding Transformer reasoning capabilities via graph algorithms
https://research.google/blog/understanding-transformer-reasoning-capabilities-via-graph-algorithms/
Reflections
Reflections - samaltman
https://blog.samaltman.com/reflections
reflections - samaltman
Reflections - samaltman
https://blog.samaltman.com/reflections
samaltman
Reflections - samaltman
https://blog.samaltman.com/reflections
ferret-ui 2
Ferret-UI 2: Mastering Universal User Interface Understanding Across Platforms
https://arxiv.org/abs/2410.18967
mochi-1
mochi-1-preview
https://huggingface.co/genmo/mochi-1-preview
rho-1
Rho-1: Not All Tokens Are What You Need
https://arxiv.org/abs/2404.07965
mednext
MedNeXt: Transformer-driven Scaling of ConvNets for Medical Image Segmentation
https://arxiv.org/abs/2303.09975
minlstm
Were RNNs All We Needed?
https://arxiv.org/abs/2410.01201
were rnns all we needed?
Were RNNs All We Needed?
https://arxiv.org/abs/2410.01201
mingru
Were RNNs All We Needed?
https://arxiv.org/abs/2410.01201
o1
o1 isn’t a chat model (and that’s the point)
https://www.latent.space/p/o1-skill-issue
gpt-o1
o1 isn’t a chat model (and that’s the point)
https://www.latent.space/p/o1-skill-issue
Titans
Titans: Learning to Memorize at Test Time
https://arxiv.org/abs/2501.00663
earning to memorize at test time
Titans: Learning to Memorize at Test Time
https://arxiv.org/abs/2501.00663
Computer Vision
NeRFactor: neural factorization of shape and reflectance under an unknown illumination
https://dl.acm.org/doi/10.1145/3478513.3480496
nerfactor
NeRFactor: neural factorization of shape and reflectance under an unknown illumination
https://dl.acm.org/doi/10.1145/3478513.3480496
facts leaderboard
FACTS Leaderboard
https://www.kaggle.com/facts-leaderboard
autovfx
AutoVFX: Physically Realistic Video Editing from Natural Language Instructions
https://arxiv.org/abs/2411.02394
segformer3d
SegFormer3D: an Efficient Transformer for 3D Medical Image Segmentation
https://github.com/OSUPCVLab/SegFormer3D/tree/653faa6b44c67cebd27a02de5fe08ee4072dd230
3d medical image segmentation
SegFormer3D: an Efficient Transformer for 3D Medical Image Segmentation
https://github.com/OSUPCVLab/SegFormer3D/tree/653faa6b44c67cebd27a02de5fe08ee4072dd230
group normalization
Group Normalization
https://arxiv.org/abs/1803.08494
instance normalization
Instance Normalization: The Missing Ingredient for Fast Stylization
대회가 마무리 되어가고 있다보니 생각보다 리뷰를 못하는 중이다. monai에서 사용하는 것들이 기억이 안나서 좀 다시 읽고 있는 형태. 무엇을 잘못했는지 대충 이제 보이는 느낌이기도 하다.
czii
Back to Top ↑vesuvius challenge
거의 2,000년 동안 읽히지 않았던 불에 탄 두루마리에서 해독된 첫 단어들
https://edition.cnn.com/2025/02/08/science/vesuvius-scrolls-science-newsletter-wt/index.html
ink detection
거의 2,000년 동안 읽히지 않았던 불에 탄 두루마리에서 해독된 첫 단어들
https://edition.cnn.com/2025/02/08/science/vesuvius-scrolls-science-newsletter-wt/index.html
deepseek-v3 technical report
DeepSeek-V3 Technical Report
https://arxiv.org/abs/2412.19437
automating gpu
Automating GPU Kernel Generation with DeepSeek-R1 and Inference Time Scaling
https://developer.nvidia.com/blog/automating-gpu-kernel-generation-with-deepseek-r1-and-inference-time-scaling/?ncid=so-link-284103&linkId=100000338909940
Layer normalization
Layer Normalization
https://arxiv.org/abs/1607.06450
large language diffusion models
Large Language Diffusion Models
https://ml-gsai.github.io/LLaDA-demo/
gpt 4.5
[요약] OpenAI’s Chief Research Officer on GPT 4.5’s Debut, Scaling Laws, And Teaching EQ to Models
https://www.youtube.com/watch?v=pdfI9MuxWq8&t=108s&ab_channel=AlexKantrowitz
sana-sprint
SANA-Sprint: One-Step Diffusion with Continuous-TimeConsistency Distillation
취업이 쉽지 않아 지원서만 쓰다보니 너무 오래되었다…
transformers without normalization
Transformers without Normalization
https://arxiv.org/abs/2503.10622?_bhlid=1a87c33b8185a942533ee1886e23e7f6c2d5f90d
musicinfuser
MusicInfuser: Making Video Diffusion Listen and Dance
https://susunghong.github.io/MusicInfuser/
chatanyone
ChatAnyone: Stylized Real-time Portrait Video Generation with Hierarchical Motion Diffusion Model
취업이 어렵다… 뭐 다들 비슷하겠지만 말이다
when precision meets position
When Precision Meets Position: BFloat16 Breaks Down RoPE in Long-Context Training
https://arxiv.org/abs/2411.13476
bfloat16 breaks down rope
When Precision Meets Position: BFloat16 Breaks Down RoPE in Long-Context Training
https://arxiv.org/abs/2411.13476
on the biology of a large language model
On the Biology of a Large Language Model
https://transformer-circuits.pub/2025/attribution-graphs/biology.html
nvidia
물리 AI로 헬스케어 혁신 주도하는 NVIDIA와 GE HealthCare
https://blogs.nvidia.co.kr/blog/nvidia-and-ge-healthcare-collaborate-to-advance-the-development-of-autonomous-diagnostic-imaging-with-physical-ai/?ncid=em-ev...
monai
MONAI Integrates Advanced Agentic Architectures to Establish Multimodal Medical AI Ecosystem
https://developer.nvidia.com/blog/monai-integrates-advanced-agentic-architectures-to-establish-multimodal-medical-ai-ecosystem/?ncid=em-even-120973-vt12&...
openai o3
Introducing OpenAI o3 and o4-mini
https://openai.com/index/introducing-o3-and-o4-mini/
o4-mini
Introducing OpenAI o3 and o4-mini
https://openai.com/index/introducing-o3-and-o4-mini/
yolo
DEIM: DETR with Improved Matching for Fast Convergence
https://github.com/ShihuaHuang95/DEIM
deim
DEIM: DETR with Improved Matching for Fast Convergence
https://github.com/ShihuaHuang95/DEIM
hogwild! inference
Hogwild! Inference: Parallel LLM Generation via Concurrent Attention
https://github.com/eqimp/hogwild_llm?_bhlid=d0e43178b4d426d6b68fdb2f5c141720a923cacc
gaussian mixture flow matching
Gaussian Mixture Flow Matching Models
https://github.com/Lakonik/GMFlow?_bhlid=81f89db39632970b22a6d8f7641c5518cad90ef0
gmflow
Gaussian Mixture Flow Matching Models
https://github.com/Lakonik/GMFlow?_bhlid=81f89db39632970b22a6d8f7641c5518cad90ef0
BITNET
BitNet b1.58 2B4T Technical Report
https://github.com/microsoft/BitNet
antidistillation sampling
Antidistillation Sampling
https://arxiv.org/abs/2504.13146
reasoning models can be effective without thinking
Reasoning Models Can Be Effective Without Thinking
https://arxiv.org/abs/2504.09858
llms can see and hear without any training
LLMs can see and hear without any training
https://arxiv.org/abs/2501.18096
edgenext
EdgeNeXt: Efficiently Amalgamated CNN-Transformer Architecture for Mobile Vision Applications
https://arxiv.org/abs/2206.10589
구글 콜랩
구글 콜랩 국가 가격
미국 $49.99 -> 71274.24원
qwen3
Qwen3: Think Deeper, Act Faster
https://github.com/QwenLM/Qwen3
descanning
Descanning: From Scanned to the Original Images with a Color Correction Diffusion Model
https://aifactory.space/task/8832/overview?utm_source=pytorchkr&ref=pytorchkr
nous research
Nous Research – RL Environments Hackathon
https://cerebralvalley.ai/e/nous-research-rl-environments-hackathon-9be3062a?_bhlid=3c8e86f14c63353188d214fe0b6617f10a19226d
rl environments hackathon
Nous Research – RL Environments Hackathon
https://cerebralvalley.ai/e/nous-research-rl-environments-hackathon-9be3062a?_bhlid=3c8e86f14c63353188d214fe0b6617f10a19226d
Lion
Symbolic Discovery of Optimization Algorithms
https://arxiv.org/abs/2302.06675
ast-sed
AST-SED: An Effective Sound Event Detection Method Based on Audio Spectrogram Transformer
https://arxiv.org/abs/2303.03689
absolute zero
Absolute Zero: Reinforced Self-play Reasoning with Zero Data
https://www.arxiv.org/abs/2505.03335
alphaevolve
AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms
https://deepmind.google/discover/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/
perceiver
Perceiver: General Perception with Iterative Attention
https://arxiv.org/abs/2103.03206
sed
Sound event detection using weakly labeled dataset with stacked convolutional and recurrent neural network
https://arxiv.org/abs/1710.02998
stanford rna 3d folding
Stanford RNA 3D Folding
좋은 팀원분들 덕분에 다음의 성적을 거둘수있었네요. 팀원분들께 감사를 드립니다.
matformer
MatFormer: Nested Transformer for Elastic Inference
https://arxiv.org/abs/2310.07707
xxt can be faster
XXt Can Be Faster
https://arxiv.org/abs/2505.09814?ref=mail.bycloud.ai&_bhlid=77b4be6f732dbeaa5cbd4eb23d6dc4ce93c750ee
neuronpedia
Open-sourcing circuit tracing tools
https://www.anthropic.com/research/open-source-circuit-tracing?_bhlid=f5b0e86a94268a7109932dbb05966007b57ea583
starflow
STARFlow: Scaling Latent Normalizing Flows for High-resolution Image Synthesis
https://arxiv.org/abs/2506.06276
agentic retrieval
RAG의 시대는 곳 갈 것이다
아직도 RAG를 찾는 기업들이 많다. 하지만 GPT에 PDF를 넣는 것으로는 “검색”만 가능할 뿐, 진짜 ”이해”는 일어나지 않는다. 곧 등장할 Agentic LLM은 RAG가 아닌 Storage로 직접 가서 문서를 읽고, 스스로 필요한 정보를 판단해 응답하는 구조가 될 것이다.
omnigen2
OmniGen2: Exploration to Advanced Multimodal Generation
https://github.com/VectorSpaceLab/OmniGen2
hunyuan-gamecraft
Hunyuan-GameCraft: High-dynamic Interactive Game Video Generation with Hybrid History Condition
https://hunyuan-gamecraft.github.io/
smollm3
SmolLM3: smol, multilingual, long-context reasoner
https://huggingface.co/blog/smollm3
t5gemma
T5Gemma: A new collection of encoder-decoder Gemma models
https://developers.googleblog.com/en/t5gemma/
APO
Anchored Preference Optimization and Contrastive Revisions: Addressing Underspecification in Alignment
https://arxiv.org/abs/2408.06266
FastVLM
FastVLM: Efficient Vision Encoding for Vision Language Models
https://arxiv.org/abs/2412.13303
Diffuman4D
Diffuman4D: 4D Consistent Human View Synthesis from Sparse-View Videos with Spatio-Temporal Diffusion Models
https://arxiv.org/abs/2507.13344
yoloe
YOLOE: Real-Time Seeing Anything
https://arxiv.org/abs/2503.07465
Nano Banana
Nano Banana
https://flux-ai.io/model/nano-banana-ai/?utm_source=chatgpt.com
DINOv3
DINOv3
https://arxiv.org/abs/2508.10104
kaiber.biz
kaiber.biz
https://kaiber.biz/nne-py_en/
PolyNorm
Polynomial Composition Activations: Unleashing the Dynamics of Large Language Models
https://arxiv.org/abs/2411.03884
nano-banana
Introducing Gemini 2.5 Flash Image, our state-of-the-art image model
https://developers.googleblog.com/en/introducing-gemini-2-5-flash-image/?utm_source=pytorchkr&ref=pytorchkr
Vision-Zero
Vision-Zero: Scalable VLM Self-Improvement via Strategic Gamified Self-Play
https://arxiv.org/html/2509.25541v1
int
INT v.s. FP: A Comprehensive Study of Fine-Grained Low-bit Quantization Formats
https://arxiv.org/abs/2510.25602
fp
INT v.s. FP: A Comprehensive Study of Fine-Grained Low-bit Quantization Formats
https://arxiv.org/abs/2510.25602
ubuntu
Ubuntu 24.04.01 LTS 기준 크롬 원격설정
1-1. 크롬 설치를 위한 환경설치
구글 원격
Ubuntu 24.04.01 LTS 기준 크롬 원격설정
1-1. 크롬 설치를 위한 환경설치
google remote
Ubuntu 24.04.01 LTS 기준 크롬 원격설정
1-1. 크롬 설치를 위한 환경설치
ubuntu 24.04
Ubuntu 24.04.01 LTS 기준 크롬 원격설정
1-1. 크롬 설치를 위한 환경설치
LFM2
Introducing LFM2: The Fastest On-Device Foundation Models on the Market
https://www.liquid.ai/blog/liquid-foundation-models-v2-our-second-series-of-generative-ai-models
Grassmann Manifold
Attention Is Not What You Need: Grassmann Flows as an Attention-Free Alternative for Sequence Modeling
논문 링크: arXiv 2512.19428 저자: Zhang Chong
Deep Learning
Attention Is Not What You Need: Grassmann Flows as an Attention-Free Alternative for Sequence Modeling
논문 링크: arXiv 2512.19428 저자: Zhang Chong
데이터 선택
OPUS: LLM 사전 학습에서 매 반복마다 효율적이고 원칙에 입각한 데이터 선택을 향하여
https://arxiv.org/abs/2602.05400
Pre-training
OPUS: LLM 사전 학습에서 매 반복마다 효율적이고 원칙에 입각한 데이터 선택을 향하여
https://arxiv.org/abs/2602.05400
AdamW
OPUS: LLM 사전 학습에서 매 반복마다 효율적이고 원칙에 입각한 데이터 선택을 향하여
https://arxiv.org/abs/2602.05400
Muon
OPUS: LLM 사전 학습에서 매 반복마다 효율적이고 원칙에 입각한 데이터 선택을 향하여
https://arxiv.org/abs/2602.05400
데이터 합성
Less is Enough: LLM의 특성 공간에서 다양한 데이터 합성하기
https://arxiv.org/abs/2602.10388
Sparse Autoencoder
Less is Enough: LLM의 특성 공간에서 다양한 데이터 합성하기
https://arxiv.org/abs/2602.10388
Post-training
Less is Enough: LLM의 특성 공간에서 다양한 데이터 합성하기
https://arxiv.org/abs/2602.10388
SFT
Less is Enough: LLM의 특성 공간에서 다양한 데이터 합성하기
https://arxiv.org/abs/2602.10388
VLM
MM-Zero: 데이터 없이 스스로 진화하는 멀티모델 비전-언어 모델
논문 링크: arXiv 2603.09206 저자: Zongxia Li, Hongyang Du, Chengsong Huang, Xiyang Wu, Lantao Yu, Yicheng He, Jing Xie, Xiaomin Wu, Zhichao Liu, Jiarui Zhang...
Self-Evolution
MM-Zero: 데이터 없이 스스로 진화하는 멀티모델 비전-언어 모델
논문 링크: arXiv 2603.09206 저자: Zongxia Li, Hongyang Du, Chengsong Huang, Xiyang Wu, Lantao Yu, Yicheng He, Jing Xie, Xiaomin Wu, Zhichao Liu, Jiarui Zhang...
GRPO
MM-Zero: 데이터 없이 스스로 진화하는 멀티모델 비전-언어 모델
논문 링크: arXiv 2603.09206 저자: Zongxia Li, Hongyang Du, Chengsong Huang, Xiyang Wu, Lantao Yu, Yicheng He, Jing Xie, Xiaomin Wu, Zhichao Liu, Jiarui Zhang...
Multi-Agent
MM-Zero: 데이터 없이 스스로 진화하는 멀티모델 비전-언어 모델
논문 링크: arXiv 2603.09206 저자: Zongxia Li, Hongyang Du, Chengsong Huang, Xiyang Wu, Lantao Yu, Yicheng He, Jing Xie, Xiaomin Wu, Zhichao Liu, Jiarui Zhang...
SSM
Mamba-3: 지수-사다리꼴 이산화, 복소 SSM, MIMO를 통한 표현력 높은 상태 공간 모델
논문 링크: arXiv 2603.15569 저자: Tri Dao, Albert Gu 소속: Together AI / Carnegie Mellon University
Mamba
Mamba-3: 지수-사다리꼴 이산화, 복소 SSM, MIMO를 통한 표현력 높은 상태 공간 모델
논문 링크: arXiv 2603.15569 저자: Tri Dao, Albert Gu 소속: Together AI / Carnegie Mellon University
State Space Model
Mamba-3: 지수-사다리꼴 이산화, 복소 SSM, MIMO를 통한 표현력 높은 상태 공간 모델
논문 링크: arXiv 2603.15569 저자: Tri Dao, Albert Gu 소속: Together AI / Carnegie Mellon University
Linear Attention
Mamba-3: 지수-사다리꼴 이산화, 복소 SSM, MIMO를 통한 표현력 높은 상태 공간 모델
논문 링크: arXiv 2603.15569 저자: Tri Dao, Albert Gu 소속: Together AI / Carnegie Mellon University
MIMO
Mamba-3: 지수-사다리꼴 이산화, 복소 SSM, MIMO를 통한 표현력 높은 상태 공간 모델
논문 링크: arXiv 2603.15569 저자: Tri Dao, Albert Gu 소속: Together AI / Carnegie Mellon University