特色演示

观看20个演示中的1-10个
  • Satlas横幅
    通过人工智能卫星图像探索我们的星球是如何变化的|之前,研究可视化

    Satlas是一个可视化和下载人工智能使用卫星图像生成的全球地理空间数据产品的平台。我们希望这些数据将对地球和环境科学家以及在各种地理空间领域工作的组织有用。海洋基础设施数据…

    尝试演示
  • 统一IO
    一种新的通用模型,具有前所未有的广度,可以执行多种视觉和语言任务|之前,研究可视化

    Unified-IO是第一个执行从计算机视觉到自然语言处理的大型、多样化人工智能任务集的神经模型。

    尝试演示
  • 猕猴
    QA模型优于其他流行语言模型,但数量级较小|亚里士多德,研究可视化

    Macaw是一种高性能的问答(QA)模型,它能够超越其他流行的当前语言模型,而所有这些都要小一个数量级。通过这个演示,您可以探索Macaw的答案,并在一组基准问题上将其与流行的GPT-3语言模型的答案进行比较。

    尝试演示
  • Delphi徽标演示卡

    德尔福

    原型
    设计用于模拟人们对各种日常情况的道德判断的研究原型|马赛克,研究可视化

    德尔福的目的是展示当今最先进的模型在机器伦理方面可以实现的目标,并强调其局限性。

    试用原型
  • ProofWriter OpenGraph图像
    在自然语言上生成含意、证明和拐骗性陈述|亚里士多德

    与RuleTaker一样,ProofWriter根据自然语言中给出的规则确定语句是真是假,但也会生成其答案的证明。

    尝试演示
  • 纸张到HTML转换器
    科学论文PDF到HTML转换器|语义学者

    这是一个实验原型,旨在以HTML格式呈现科学论文,以便屏幕阅读器或移动设备更容易阅读。

    试用原型
  • 模块QA
    模块化QA通过将问题分解为一系列更小、更具体的问题来回答问题。这以一种类似人类的方式产生了答案,比黑匣子系统更容易解释|亚里士多德

    ModularQA是一种神经符号问答系统,它通过向现有的简单QA系统或符号模块提出一系列子问题来回答复杂的问题。它用语言解释了它的每个推理步骤,用一个简单的问题和由一个更简单的模型或数学产生的答案…

    尝试演示
  • UnQover演示徽标
    通过不明确的问题发现陈规定型偏见|亚里士多德

    这项工作的重点是识别问答(QA)模型中的偏见。如果这些模型在现实生活中盲目部署,这些模型中的偏见可能会造成真正的危害,这就提出了问题;问题回答模型中的社会刻板印象有多广泛?

    尝试演示
  • 真实毒性提示
    评估语言模型中的神经毒性退化|马赛克,研究可视化

    在AI2和UW的新联合工作中,我们研究了流行的NLP成分产生问题内容的频率,什么可能触发给定系统的这种神经毒性退化,以及是否可以成功避免。我们还研究了这些系统学习到的网络文本中的毒性有多大…

    尝试演示
  • 统一QA屏幕截图
    使用单个QA系统跨越格式边界|亚里士多德

    UnifiedQA是一个单一的预处理QA模型,它在跨越4种不同格式的17个QA数据集上表现出奇的好。将UnifiedQA微调为专门的模型,在6个数据集上实现了最新的技术水平,将此模型确立为构建QA系统的有力起点。

    尝试演示