AI.info
Latest Research — Page 30
Sfoglia Ricerca recente su AI.info.
In inglese
- Apprendere modelli del mondo e dell’azione trasferibili da video di esseri umani abbinati per compito
- PanoVLN: verso una navigazione panoramica efficace basata su visione e linguaggio
- EvolveTrade: perfezionamento delle policy guidato dall’esperienza per agenti di trading basati su LLM capaci di evolvere autonomamente
- VidaForge: un’infrastruttura aperta per la ricerca sulle ricette di preparazione dei dati per il preaddestramento su video
- Il disapprendimento della policy basato su feature sparse attenua l’allucinazione dello stato nei modelli visione-linguaggio-azione
- DEG: Diffusion-Enhanced GFlowNet per risolvere i problemi di instradamento dei veicoli
- DynEdit: modifica sequenziale dinamica guidata dall’entropia per i modelli linguistici di grandi dimensioni
- ReuScope: audit del riuso dei dati e della sensibilità della valutazione in Capsule Vision 2024
- Avere più modalità aiuta sempre? Una prospettiva geometrica sulla robustezza alle modalità mancanti
- Quale lingua dovrebbe parlare uno scheletro? La scelta della lingua nel ragionamento multilingue
- Compressione estrema degli embedding per livello mediante quantizzazione vettoriale latente tra livelli
- SkillSpec: ragionamento sulle specifiche con mascheramento dell’intento per la correttezza delle skill degli agenti
- Il modello insegnante è una direzione, non una destinazione: estrapolare i residui delle rappresentazioni indotti dall’RL nella distillazione on-policy
- InstantFusion: un’interfaccia latente condivisa per generatori di immagini eterogenei
- Ottimizzazione consapevole dei moduli per le reti neurali a grafo
- DAGLoop: allineare la progettazione dei metodi ai risultati sperimentali nella ricerca automatizzata sull’IA
- MA-Bench: misurare la pianificazione operativa nei modelli linguistici
- PivotOPD: imparare a riprendersi dagli errori decisivi negli agenti che interagiscono su più turni
- Orthros: attenzione eterogenea sensibile alla fase per Transformer efficienti
- RiskChainBench: un benchmark per ricostruire messaggi offuscati sulle piattaforme e indagare sul web sulla base di prove
- AdviSD: imparare a consigliare gli LLM di frontiera con l’autodistillazione mirata su più turni
- Chinese-Jev: portare un modello System One ai compiti in lingua cinese
- OmniFabric: sintesi di texture coerenti nello spazio UV per la ricostruzione di capi 3D
- Dove apprendere e fin dove estendere il rollout: training adattivo efficiente per agenti GUI
- UniH$^3$: unificare omogeneità ed eterogeneità gerarchiche per il restauro delle immagini mediche con un unico modello
- Il numero di campioni non basta: la strategia di generazione dei candidati determina il consumo energetico e le prestazioni dello scaling in fase di test dei modelli linguistici di grandi dimensioni
- StableVQ: Linee guida pratiche per addestrare tokenizer a quantizzazione vettoriale in modo stabile
- Speculative Forcing per una generazione efficiente di video autoregressivi
- Insegnamento testuale universale per gli LLM
- Dalla generazione di contenuti al supporto all’apprendimento: tutor video generativi guidati dalla pedagogia per l’apprendimento STEM
- RetireOPD: distillazione on-policy a ritiro autonomo per l’apprendimento per rinforzo degli agenti
- Attenzione sparsa a blocchi con complessità log-lineare
- Verso l’automiglioramento ricorsivo nell’IA fisica
- La sicurezza della comunicazione latente nei sistemi multiagente
- Un dataset per rispondere a domande su immagini basato sulla dottrina della Tactical Combat Casualty Care
- Non autodecidibile: gli LLM non sanno tracciare il confine di ciò che un verificatore di agenti può controllare
- QFabric: recupero interdominio con salvaguardie e limiti su una scheda Linux-RTOS
- RayOrch: programmazione ed esecuzione di flussi di dati multigranulari con controllo delle relazioni di derivazione per la preparazione dei dati dei modelli fondazionali
- Tampered ML: valutare la capacità di giudizio degli LLM sulla ricerca nell’apprendimento automatico
- Prospective Hindsight: apprendimento per rinforzo autocalibrante attraverso gli scarti tra previsione e realtà