🚀 创新设计: DocLLM采用分离的空间注意机制，专注于边界框信息，解决文本和空间模态交汇处的复杂语义问题。
2023年，我们看到了扩散模型推理速度方面的一些重大理论改进，例如Song等人的原始一致性模型论文，以及最近的LCM。（另外，对抗扩散蒸馏。）我们已经开始看到使用这些想法的项目，例如Dan Wood的Art Spew(每秒77512×512图像，在单个4090上)、Modal的Turbo.art(基于SDXL Turbo) 和fal.ai的30fps脸部交换。
每个AI工程师仍然需要强大的软件工程基础。将LLM应用程序交付给prod，就等同于软件工程。
我们需要AI社区。有朋友和盟友的人比没有的人做得更好。尽管AI世界似乎每周都会带来突破，但你最好与朋友一起区分什么是真实的、什么是炒作，去验证想法，相互支持，一起创造。
Meta的研究人员解释说:“HawkEye实施了一个决策树，简化了这个流程，同时构建了连续的仪器化和分析层的必要组件以构建这棵树。 HawkEye使用户能够高效地浏览决策树并快速确定复杂问题的根本原因。因此，HawkEye大大减少了调试复杂生产问题的时间，简化了操作工作流程，并使非专业人员能够以最小的协调和协助解决复杂问题。”