AI.info
Latest Research — Page 17
Sfoglia Ricerca recente su AI.info.
In inglese
- Dai pixel alla struttura: modelli visivo-linguistici leggeri per l’OCR dei documenti e l’estrazione di JSON strutturato
- Decoy Direction Optimization: una difesa a posteriori contro l’abliterazione degli LLM
- FlashMask-3: attenzione distribuita efficiente ed espressiva che tiene conto delle maschere
- AskStream: quando e cosa chiedere in modo proattivo nell’incertezza della comprensione dei video in streaming
- Gli LLM non sanno ciò che sanno: un benchmark della conoscenza temporale di sé per il backtesting finanziario
- Tri-PvP: mettere in luce il bias di modalità nei modelli linguistici di grandi dimensioni omni-modali attraverso conflitti tra evidenze percettive e proposizionali
- TailSteer: guida della coda della traiettoria per un editing di immagini multi-turno resistente alla deriva
- LowRAM: chiavi a basso rango e valori ammortizzati per la compressione componibile della cache KV in fase di test
- RGBD20K: un benchmark su larga scala per la segmentazione semantica RGB-D
- AReA: attenzione a campo recettivo adattivo per Diffusion Transformer efficienti ad alta risoluzione
- Cache KV in fase di elaborazione con ancore pulite per accelerare la diffusione video autoregressiva
- Oltre la previsione del futuro: il denoising come adattamento generativo per il controllo robotico
- APM-Bench: un benchmark per la memoria persistente tra sessioni negli assistenti per video in streaming in prima persona
- Completare il compito non basta: valutare gli agenti basati su modelli linguistici che usano strumenti tenendo conto degli effetti collaterali
- Verifica delle ipotesi di identificazione nelle valutazioni causali delle politiche climatiche basata sulle evidenze
- Investor’s Last Exam: l’IA può fare investimenti azionari senza conoscere il futuro?
- Ripensare l’archiviazione dei video per l’addestramento dell’IA: eliminare le dipendenze tra fotogrammi per un accesso casuale efficiente
- RSIAgent: esplorazione autonoma per l’auto-miglioramento ricorsivo in nuovi ambienti
- Agent Mosaic: riconoscere le fughe di informazioni riservate nei sistemi agentici basati su LLM
- Potenziare gli agenti edge: un’analisi sistematica della collaborazione edge-cloud nell’esecuzione degli agenti basati su LLM
- Raven: l’harness degli harness per un’intelligenza agentica componibile
- Oltre due iterazioni: una ricetta scalabile per i Mixture-of-Experts con loop
- Segui il gradiente: risalire ai dati di addestramento all’origine del deterioramento della sicurezza
- Pensare visivamente nello spazio e nel tempo: ragionamento ancorato ai dati visivi per la segmentazione video
- Multics: modello generativo di mondi multigiocatore con comunicazione gerarchica
- CroissantMiner: estrazione e validazione automatizzate dei metadati Croissant per i dataset di ML
- PN-Mix: quantizzazione a precisione mista della cache delle key guidata dalla norma delle coppie per un’inferenza efficiente degli LLM con output lunghi
- F2G-Pose: lifting delle feature dei modelli fondazionali guidato dalla geometria per la stima diretta della posa degli oggetti a livello di categoria da RGB-D
- EVA-Cap: ottimizzare la generazione di didascalie per video audiovisivi mediante l’allineamento incentrato sugli eventi
- Modelli di generazione video: una rassegna sul post-training e sull’allineamento
- HyQuant: quantizzazione a precisione ibrida per l’attenzione degli LLM
- OmniReasoning: spingere i limiti del ragionamento congiunto audiovisivo
- LaLa-World: portare su larga scala i modelli del mondo latente con azioni in linguaggio naturale
- Il feedback autogenerato destabilizza l’addestramento in fase di test: una scomposizione causale dell’adattamento su lunghi orizzonti
- IdeaTaste: gli LLM condividono la sensibilità per la ricerca dei ricercatori umani?
- Opera: un framework di critica verbale per agenti di programmazione che operano su orizzonti lunghi
- BigCell: generazione di immagini di vetrini interi da gigapixel
- Meta-prompting e orientamento basati sulla diffusione per l’adattamento generalizzabile dei modelli fondazionali
- PhysOPSD: il codice come privilegio per la generazione di video fisicamente plausibili
- Addestrare i Vision Transformer a focalizzare l’attenzione: l’emergere della specializzazione spaziale delle teste di attenzione