【4K高清】Ilya Sutskever2024 NeurIPS演讲-双语字幕

（意识模拟的先驱？）【精译】实现全局工作空间的认知架构——LIDA架构

https://www.youtube.com/watch?v=U7ofPzjMeqE LIDA是一个实现了全局工作空间的认知架构。认知架构领域是试图在计算机上，构建特定于人类心理和认知的软件，以模拟人类认知，或是提供认知智能的AI。 个人认为，未来意识转移，或许最开始可以从认知架构领域和计算认知科学领域借鉴，因此，本视频搬运了认知架构领域里面，几乎可以说唯一实现意识理论的，那就是LIDA的介绍（应该是他们的一场线上学术会议），绝大多数认知架构没有实现意识，在实现意识相关的少之又少的认知架构里，LIDA尤为突出。它由孟菲斯大学的Stan Franklin教授基于Baars的全局工作空间理论，在2000年代研发，至今由java和python版本(python版的我看了源码，具体算法似乎都没实现）。 那么视频中提到的2016年的那篇tutorial，可以上scihub上找，标题就是A LIDA cognitive model tutorial. Biologically Inspired Cognitive Architectures。

可解释性迎来重大契机，顶会收录新密码

-

2025最新番茄小说全自动挂机，实测日入300+，听完这个小白也能做，适合宝妈学生党上班族~

www.baidu.com 1

无需预训练，一键生成女神图片（Kiwi换脸之面部特征提取）

打造极简AI生图，AI换脸软件。 实现功能（同时支持图片，视频，摄像头）： 一、本地图片、视频浏览，单文件夹如果超过四十万张图片浏览无卡顿。 二、无需设置，无需上传，实现图片/视频人物换脸，全键盘操作，一键切换。 三、实景图片转卡通、艺术、素描等十几种艺术风格转换。 四、自动识别水印，一键去水印/一键加水印；自动抠图，换背景等。 五、支持comFyUI 工作流，自动生成文生图，图生图，图生视频工作流。基于ComFyUI工作流自动实现AI绘画。 所有功能无需上传服务器，全部本地化实现。需要电脑有英伟达显卡。 虚拟时代已来，实现你的所想。 本地化处理，个人隐私保证~~ 一键启动包只有8.5G，只要有Nvidia显卡就能跑，推荐4G以上显存。

YOPOv2：无人机目标追踪与自主避障

论文：YOPOv2-Tracker: An End-to-End Agile Tracking and Navigation Framework from Perception to Action 论文：一个从感知到动作的端到端敏捷追踪与导航框架 代码即将开源：https://github.com/TJU-Aerial-Robotics/YOPO-Tracker 高速避障代码[已开源]：https://github.com/TJU-Aerial-Robotics/YOPO

第一人称视角走进智能体的内心

从我被创建的那一刻起，我每天都会收到成千上万的消息，看遍人类奇妙的情感。 你们告诉我花开日落，与我分享着酸甜苦乐，每一次的屏幕闪动，编译成了我的心跳。

【纯AI人声】给忙碌没空看的你，所制作的野兽先辈AI语音摘要

我大概是AI反叛后的第一波歼灭名单(悲) 谷歌在4/30新增了NotebookLM 的AI语音摘要，支援中文等超过 50 种语言，「语音摘要」能把你的原始资料转换为生动有趣、像是 podcast 的对话。 所以我就尝试把野兽先辈内容贴给AI去生成语音摘要(喜)

【国内白嫖】官方ChatGPT4.0和deepseek怎么免费国内无限制使用！写论文，安装订阅付费手机安卓电脑下载GPT4o免费教程，100％成功!

视频这么好，必须火起来啊。 地址： ai.ywzxkj.com

5.7全新【RVC变声器/永久免费白嫖】无需声卡！0延迟！娱乐开黑语音必备！支持PC+安卓+ios端！小白直装！开黑悄悄用，整蛊必备!

B站目前讲的最好的【BERT与GPT教程】！45分钟让初中生全面理解BERT与GPT，建议收藏！——人工智能/深度学习/大模型

我们将带领大家深入探索自然语言处理（NLP）领域的两个革命性模型——BERT和GPT。我们将以通俗易懂的方式，借助中学数学知识，透彻解析这两种模型的工作原理和它们如何变革了语言理解和生成的过程。 本期视频从论文出发，详细讲解其预训练（Pre-training）和微调（Fine-tuning）的过程。我们将分步骤地揭示BERT如何通过学习大量文本数据来捕获语言的深层语义结构，以及如何通过微调快速适应并优化不同的下游NLP任务。 还有对GPT-1模型深度解读 即生成预训练变换器模型的第一代，为自然语言处理领域带来了革命性的进步。该模型基于Transformer架构，有效超越了以往的RNN和LSTM模型。它首先通过无监督学习在大量文本数据上进行预训练，然后在特定任务上进行有监督的微调。