仁荷大学17日表示,电气计算机工程系教授 Seo Yeongdeok 研究团队开发出一项新的个性化技术,可在生成式人工智能中无需额外训练或个性化模型,便能反映用户的兴趣与偏好。
研究团队通过人工智能模型“FAN”(Foundation Encoders Are All You Need),提出了一种能在生成式人工智能中更精准反映用户兴趣与关注点的方法。
FAN会根据用户过去输入的指令、选择与评分记录等,找出与当前问题相关的偏好信息,再利用现有基础模型的结构将其反映到生成过程中。
由于该技术无需个性化模块或额外训练,而是利用已训练完成的“基础编码器”的表征能力,因此能够在生成式人工智能模型中确保个性化性能,同时将额外计算成本降至最低。
这项研究显示,该技术可在多种文本、图像扩散模型中合成高质量的个性化图像。由于还能扩展至多模态检索、图像条件扩散模型、视觉语言模型等多个领域,因此正受到学界关注。
这项研究成果已在“国际计算机视觉与模式识别会议”(Conference on Computer Vision and Pattern Recognition)上发表。
Seo教授表示:“随着生成式人工智能日益普及,理解不同用户各自兴趣与语境的能力变得愈发重要。我们将继续研究无需额外训练或复杂模型设计,也能自然反映个人偏好的生成式人工智能技术,打造一个任何人都能轻松使用的人工智能环境。”
本报道由人工智能(AI)翻译技术生成。
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。