Jan, 2024

大规模生成式人工智能文本在体育和音乐领域的应用

PDF
TL;DR利用生成式 AI 模型，我们解决了大规模体育和音乐活动媒体内容（如评论和个性化新闻报道）的生产问题，并成功应用于 2023 年美网、温网和大师赛的自动化解说系统以及 ESPN Fantasy Football 和格莱美奖音乐艺术家故事的个性化内容创作，实现了 15 倍的速度提升，平均 Rouge-L 达到 82.00，困惑度为 6.6。我们的工作成功地支持了全球 9000 万球迷的 8 亿页面浏览，不断推动体育、娱乐和人工智能交叉领域的边界。
发现论文，激发创造
  • 大规模数据集上的电子竞技数据即时解说生成

    本研究提出了一项从结构化数据记录中生成游戏评论的任务，利用一种大规模的电子竞技数据集和多种基线编码器 - 解码器模型以及一种层次模型来生成各个层面的比赛评论，结果表明层次模型优势明显，并且揭示了几个新任务带来的挑战。

    Dec, 2022

  • 知识图谱辅助自动体育新闻写作

    本论文提出了一种新颖的方法，通过提取直播文本中的关键时刻，并使用它们创建新闻的初始草稿，进一步通过特殊设计的体育知识图谱中的关键细节和背景信息进行改进，利用融合卷积神经网络和变换器编码器的多阶段学习模型，通过处理器计算不完整三元组的匹配分数，解决了少样本知识图谱补全问题，并经过主客观评估确认其能够彻底改变体育新闻的创作方式。

    Feb, 2024

  • 基于 Transformer 的大型语言模型的 AI 内容自检测

    本文介绍了直接来源检测的概念，并评估了生成型 AI 系统是否能够识别其输出并将其与人工编写的文本加以区分。结果表明，Google 的 Bard 模型表现出最大的自检测能力，准确率达到 94％，其次是 OpenAI 的 ChatGPT，准确率为 83％。而 Anthropic 的 Claude 模型似乎无法自检测。

    Dec, 2023

  • MusicAgent：大型语言模型的音乐理解和生成 AI 代理

    通过集成多种音乐相关工具和一个自动化工作流，MusicAgent 系统旨在解放用户，使他们能够专注于创造性工作，从而提供无缝且丰富的音乐体验。

    Oct, 2023

  • 基于生成 AI 的动态超个性化媒体生态系统：永不重复的不可预测剧本

    介绍了一种利用人工智能 (AI) 视频生成器在接收端的媒体服务模型，通过将部分内容创作转移到接收方，借助语义处理，将分布网络提供的服务元素作为语义源促使内容生成器，并将接收到的语义数据转换为视频帧，实现超个性化服务。该研究探索了一种由接收端嵌入生成模型支持的新型媒体生态系统，同时具有随机内容动态和提高传递效率的特点。

    Feb, 2024

  • 基于人类审美偏好的大型文本到图像模型个性化：以康定斯基生成为例

    使用神经生成能力和感知注入技术，本研究提出了一种无需提示的生成方法，使用户能够自动生成个性化的具有自定义艺术风格的画作内容。

    Feb, 2024

  • 人工智能与生成人工智能在研究发现和摘要中的应用

    AI 和生成 AI 工具在研究发现和总结方面具有重要作用，通过生成语言模型可以更快地找到相关文献并提取研究论文的关键要点，对统计学家和数据科学家具有重要意义。

    Jan, 2024

  • 如何在人智时代战略性地创建内容？

    通过研究人工智能生成模型与人类贡献者之间的竞争，本文探讨了动态竞争模型中人类贡献者如何在一系列主题的内容生成中最大化效益。在时间敏感的内容领域中，研究表明在没有多项式时间的优化策略的情况下，人类的最优策略无法找到，但通过设计一个多项式时间算法可以保证近似性能。而在时间不敏感的内容领域中，我们展示了一种可以在长期内最大化人类效益的多项式时间算法。

    Jun, 2024

  • 从 ChatGPT、DALL-E 3 到 Sora：生成型人工智能如何改变数字人文研究与服务？

    大规模语言模型在数字人文研究中的应用深入探讨，揭示了它们在古籍保护、智能处理和学术创新方面的重要潜力，通过具体案例展示了人工智能在古籍组织、分类和内容生成中的辅助作用，并探索了在艺术创新和文化遗产保护中的应用前景，最后探讨了由人工智能技术引发的数字人文领域中技术、信息和社会相互交融的挑战和机遇。

    Apr, 2024

  • 体育智能：通过问题回答从文本到视频评估语言模型对体育理解能力

    通过对主流大型语言模型在各种体育任务上进行广泛评估，我们揭示了自然语言处理中体育理解的关键挑战，并提出了一个基于现有体育数据集的全面概述的新基准，以帮助确定未来的研究优先事项。

    Jun, 2024