近日，作为美国前十的科技博客，LatentSpace对于刚刚过去的NeurIPS2023大会进行了精选回顾总结。在NeurIPS会议总共接受的3586篇论文之中，除去6篇获奖论文，其他论文也同样优秀和具有潜力，甚至有可能预示着下一个AI领域的新突破。那就让我们来一起看看吧！论文题目：QLoRA:EfficientFinetuningofQuantizedLLMs论文地址：https://openreview.net/pdf?id=OUIFPHEgJU这篇论文提出了QLoRA，这是LoRA的一种更省内存但速度较慢的版本，它使用了几种优化技巧来节省内存。总体而言，QLoRA使得在对大型语言模型进行

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

我正在尝试将尺寸为128x128像素的numpy数组保存到灰度图像中。我只是认为pyplot.imsave函数可以完成这项工作，但事实并非如此，它以某种方式将我的数组转换为RGB图像。我试图在转换过程中将颜色映射强制为灰色，但即使保存的图像以灰度显示，它仍然具有128x128x4尺寸。这是我为展示行为而编写的代码示例:importnumpyasnpimportmatplotlib.pyplotaspltimportmatplotlib.imageasmplimgfrommatplotlibimportcmx_tot=10e-3nx=128x=np.arange(-x_tot/2,x_t

2022年，前谷歌大脑华人科学家JasonWei在一篇思维链的开山之作中首次提出，CoT可以增强LLM的推理能力。但即便有了思维链，LLM有时也会在非常简单的问题上犯错。最近，来自普林斯顿大学和GoogleDeepMind研究人员提出了一种全新的语言模型推理框架——「思维树」（ToT）。ToT将当前流行的「思维链」方法泛化到引导语言模型，并通过探索文本（思维）的连贯单元来解决问题的中间步骤。论文地址：https://arxiv.org/abs/2305.10601项目地址：https://github.com/kyegomez/tree-of-thoughts简单来说，「思维树」可以让LLM：