系列文章目录文章目录系列文章目录前言一、开源库1.1OCS2-OptimalControlforSwitchedSystems1.2RSLGym-强化学习框架1.3ELMOEthercatSDK1.4Kindr-机器人运动学和动力学1.5GridMap-用于移动机器人制图的通用网格地图库1.7ElevationMapping-用于崎岖地形导航的以机器人为中心的高程测绘1.8FreeGait-足式机器人多功能控制架构1.9LeggedStateEstimator(LSE)库1.10TOWR–TrajectoryOptimizerforWalkingRobots1.11XPP–Visualizat

🦉AI新闻🚀微软和苏黎世联邦理工学院开源SliceGPT创新压缩技术节省大量部署资源摘要：微软和苏黎世联邦理工学院研究人员开源了SliceGPT，通过对大模型的权重矩阵进行压缩切片，实现了模型紧缩，节省了部署资源。SliceGPT利用主成分分析和正交矩阵变换实现了计算不变性，通过切片操作将模型的参数体量压缩了25%左右，同时保持了高质量的生成任务性能。SliceGPT的技术特点包括简单高效、保持性能、吞吐量提升和无需额外代码优化，使得模型压缩过程更为便捷，并且在运行速度上比稠密模型更快，无需额外的代码优化。🚀日本请求修改法律以更好地保护新闻版权摘要：日本报刊出版协会近日向文化厅提交意见书，呼吁

大型语言模型在推理上仍然是弱势项目，需要依赖各种思维工具辅助完善推理过程。最近，苏黎世联邦理工大学、华沙理工大学的研究人员共同提出了一个全新的LLM思维框架GoT（GraphofThoughts，GoT），在推理质量和推理速度上都要超越现有的思维链（CoT）和思维树（ToT）等方法。论文链接：https://arxiv.org/pdf/2308.09687.pdfGoT的关键思想和主要优势在于将LLM生成的信息建模为图（arbitarygraph），其中信息单元（思维，LLMthoughts）作为图的顶点，顶点之间的依赖关系作为图的边。GoT方法可以将任意的LLM思维组合成协同结果，提取出整个