Mobile ALOHA:一种低成本的整体远程操作系统用于数据收集
研究人员从斯坦福大学对使用模仿学习进行整体远程操作的任务进行了研究。这种方法在许多日常情况下需要整体远程操作的协调,包括移动和灵巧操作不仅仅是单个的移动或操作行为。每项任务只需50个人类示例,协同训练就可以让我们获得超过80%的性能,与没有协同训练相比,平均绝对提高34%。
Duck AI推多模式计算机交互数据收集器 DuckTrack:可收集鼠标、键盘、屏幕等数据
DuckAI发布了一项引人注目的创新——DuckTrack,一款多模式计算机交互数据收集器。该工具的研发旨在为计算机代理的进步提供精准准确的用户交互跟踪,成为训练智能系统的关键工具。如果您对卓越的播放和跟踪功能有需求,DuckTrack无疑是一个首选。
研究人员:矢量数据库并非是解决构建LLM内存不足的唯一方式
在过去的12个月里,矢量数据库的兴起使得解决语言模型长期记忆不足的问题成为热门话题。研究人员提出了对这些矢量数据库常见方法的反思,并主张构建搜索引擎非矢量数据库。作者建议构建评估和监控基础设施,以便迭代搜索流水线并知道所做的更改是否是改进。
DB-GPT:使用专有LLM技术改变与数据库互操作的方式
DB-GPT是一个开源项目,旨在改变与数据库的互操作方式,它采用了本地化的大型GPT模型,为处理各种数据库相关情境提供了全面的解决方案。这个工具强调了隐私和数据安全,通过业务模块的定制化实施和分割,确保了LLM功能的完全机密性、安全性和可管理性。关于DB-GPT项目GitHub页面:https://github.com/eosphoros-ai/DB-GPT。