3月31日

北大团队构建“情境化构念表征”框架，用AI大模型感知已逝去的心灵

北京大学历史系博士生、美国哈佛大学定量社会科学研究所联合培养博士生陈钰琪和合作者，则希望利用 AI 模型在大规模的历史文本中测量那些已逝去的心灵。陈钰琪等人开发了一种名为“情境化构念表征”（CCR，Contextualized Construct Representation）的框架，以用于测量带有上下文情境的历史文本中的心理构念，如集体主义、传统主义、社会规范强度等。CCR 方法的基本原理是利用 Transformer 模型，同时辅以心理学量表与待测量文本的文本嵌入，并通过相似度计算得到待测量文本在该量表主题下的“载荷分数”。通过在专门测试集上执行语义文本相似度、量表分类和心理测量等任务，陈钰琪和合作者针对 CCR 方法、过去心理学界主流采用的“分布式词典表征”（DDR，Distributed Dictionary Representation）方法、基于生成式大模型的小样本提示方法这三种方法，在不同模型上的表现进行了比较。通过使用 CCR 方法，他们与哈佛大学团队合作，在上万本古籍中首次测量了集体主义、个人主义、忠诚、荣誉等十几个作为文化心理和道德基础的指标，在跨越数千年的中国历史上的历时演变及其空间分布，借此尝试揭示东西方文化心理差异的根源。相关文章也即将发布预印本。来源：微信公众号【机器之心】

统一角色、百变场景，视频生成神器PixVerse被网友玩出了花，超强一致性成「杀招」

AIGC 工具 PixVerse 的「角色 – 视频」新功能可以帮你实现保持角色一致性。不仅如此，它能生成动态视频，让你的角色更加生动。输入一张图，你就能够得到相应的动态视频结果，在保持角色一致性的基础上，丰富的背景元素和角色动态让生成结果看起来十分灵动。通过这个工具生成角色的面部基本一致，伴随有生动的表情，并且它们的背景更加丰富。这在很大程度上帮助用户解决了重新制作的复杂步骤。来源：微信公众号【机器之心】

让视频姿态Transformer变得飞速，北大提出高效三维人体姿态估计框架HoT

来自北京大学的团队提出了一种基于沙漏 Tokenizer 的高效三维人体姿态估计框架HoT，用来解决现有视频姿态 Transformer（Video Pose Transformer，VPT）高计算需求的问题。该框架可以即插即用无缝地集成到 MHFormer，MixSTE，MotionBERT 等模型中，降低模型近 40% 的计算量而不损失精度，代码已开源。在 VPT 中维持全长姿态序列是不必要的，使用少量代表性帧的 Pose Token 即可同时实现高精度和高效率。大量实验验证了本方法的高度兼容性和广泛适用性。它可以轻松集成至各种常见的 VPT 模型中，不论是基于 seq2seq 还是 seq2frame 的 VPT，并且能够有效地适应多种 Token 剪枝与恢复策略，展示出其巨大潜力。作者期望 HoT 能够推动开发更强、更快的 VPT。来源：微信公众号【机器之心】

通过云服务器，dify，智能微秘书来免费搭建微信机器人

总体流程：申请云服务器-安装docker-设置加速镜像-部署dify-部署微秘书一、申请云服务器丁先生：全程白嫖 – 拥有一个AI大模型的微信小助手。先不需要领免费大模型接口，后期在dify上领就可以。切记要选择腾讯云服务器，不要选择阿里云服务器，因为教程是按照腾讯云服务器来的，以后自己熟悉了就无所谓了。过程遇到什么问题先问AI，把问题说清楚，或者把文章发给AI然后去问。丁先生的教程看到这里就可以。但是安装docker不按照这个教程来。来源：微信公众号【马上观看看】