openai 发布的人工智能文生视频大模型 (但openai并未单纯将其视为视频模型，而是作为"世界模拟器"

这篇论文使用一个简单的线性层模型超过了众多Transformer系列复杂模型。不仅让人疑问：时序预测中Transformer的发展是否真的有效？ 源代码。出自AAAI 2023

Depth Anything是一种鲁棒的单目深度估计解决方案，其充分利用各种未标记的图像和预训练模型中丰富的语义先验，具有优异的零样本深度估计能力。 由香港大学、浙江大学等人提出。 网页版Demo

全文转载自林日曦对周耀辉的记载。 一首歌之所以能扣人心弦，有三个不可或缺的因素：动人的旋律、能引起共鸣的歌词、演绎者恰到好处的感情投入。这样一个“想爱却无法爱”的常见题材，被词、曲、唱三者通力演绎，创造出了全新的境界。 张敬轩对这首歌的演绎无可挑剔，感情到位、唱功完美，大气、磅礴、悲壮、浓烈。

论文两位作者Albert Gu和Tri Dao，博士都毕业于斯坦福大学，导师为Christopher Ré。 Albert Gu现在是CMU助理教授，多年来一直推动SSM架构发展。他曾在DeepMind 工作，目前是Cartesia AI的联合创始人及首席科学家。 Tri Dao，以FlashAttention、FlashDecoding系列工作闻名，现在是普林斯顿助理教授，和Together A

该论文使用表格深度学习的一些新embedding。论文地址 出自NIPS 2022 Hardy Xu利用该方法获得了kaggle Playground Series - Season 3, Episode 26: Multi-Class Prediction of Cirrhosis Outcomes的第二名。 本文提出了两种不同的构建块，适用于构建数字特征的嵌入。第一种是分段线性编码，它为原始

该论文使用NN来解魔方，耳目一新的方法。论文地址 TMLR 2023. 简单来说，该方法利用了组合搜索的一个基本特性：等概率的情况下路径越短，随机发生的可能性就越大。这意味着随机训练争夺的累积概率随着移动次数的减少而增加：$1/\mathbb{M}^N$，其中$\mathbb{M}$表示移动集，N表示路径长度。

该论文来自同级的qzd等同学。论文地址 指导老师为金枝老师，发表于CVPR的wordshop论文。为CVPR的NTIRE 2023双目图像超分辨率挑战赛的第二名解决方案。

该论文来自同级的lj同学。一位将去哈佛的大佬。 论文地址：https://openreview.net/forum?id=UAr59yTUWR2 共同一作：lj和来自伦敦帝国理工学院地球科学与工程系的Che liu 发表自MIDL（The International Conference on Medical Imaging with Deep Learning）是一个非常年轻的医学图像方向的会议