AI.info

Latest Research — Page 73

Sfoglia Ricerca recente su AI.info.

In inglese

• LoopVQ: quantizzazione della cache KV a meno di 1 bit per i transformer iterativi
• Reti neurali con strati di funzioni di credenza differenziabili
• Apprendimento di policy guidato dai prior degli agenti
• Non mascherare l’ambiente: la supervisione delle osservazioni cambia il modo in cui gli agenti esplorano durante l’apprendimento per rinforzo
• SAS: sparsificazione semplice dell’attenzione mediante ottimizzazione end-to-end dell’ordinamento del contesto
• Imparare dal movimento: il prossimo passo per gli agenti GUI
• Efficacia delle sonde degli stati nascosti nell’individuare gli errori di ragionamento
• Autodistillazione negativa: imparare a ragionare evitando gli errori
• Scegli il tuo veleno: come selezionare insiemi di esempi avvelenati per attacchi backdoor più efficaci contro gli LLM
• Venus-DefakerOne2: un modello fondazionale per l’analisi forense visiva con una copertura più ampia
• Scalare i minibatch di trasporto ottimale online per il flow matching
• Distillazione di rappresentazioni future per modelli d’azione del mondo senza immaginazione
• Inferenza adattiva alla profondità nei modelli linguistici iterativi tramite batching continuo per profondità
• NPCBench: un benchmark di apprendistato clinico per il ragionamento multimodale sui percorsi assistenziali nel carcinoma nasofaringeo
• SemanTok: token semantici prevedibili per una generazione video autoregressiva efficiente
• Leggi di scaling per i Mixture-of-Experts con cicli
• FLEET: dall’entropia dei logit a traiettorie potenziate nella generazione del testo
• Prefix-tuning per sequenze di output arbitrarie su Transformer preaddestrati
• Ripensare il disallineamento tra addestramento e inferenza nell’apprendimento per rinforzo dei LLM: dove nasce e come correggerlo
• Chiedere o rispondere: un quadro decisionale per intervenire sulla disinformazione sanitaria nei dialoghi a più turni
• Verso una curatela partecipativa dei dataset vocali: un caso di studio queer e un quadro concettuale
• OmniVChat: sintesi, benchmarking e addestramento per il dialogo audiovisivo nativo
• Next-Concept Modeling: generazione di testo parallela e rapida, dal livello grossolano a quello fine
• Migliorare la scrittura procedurale attraverso il recupero personalizzato di esempi: un caso di studio sulle ricette di cucina
• SceneMosaic: generazione efficiente e diversificata di scene pronte per la simulazione attraverso l’evoluzione agentica ibrida dei layout
• Addestramento, apprendimento e inferenza: dinamiche unificate dei sistemi neurali
• Quale modello per quale ruolo? Raccomandazioni di Pareto efficienti in termini di costi per i workflow agentici basati su LLM
• GNN-VIEW: ispezione visiva e spiegazione dei modelli del sistema Terra basati su grafi
• PathCowork: imparare dalla pratica patologica nel mondo reale per creare copiloti IA
• SteadyThought: mitigare il ragionamento insufficiente degli LLM con l’ottimizzazione delle preferenze a livello delle linee di ragionamento
• Gli autoencoder sparsi sono un sistema di coordinate condiviso per la corrispondenza simbolica
• Open-HumanScale: una ricetta aperta per scalare l’esperienza umana e robotica per i modelli fondazionali embodied
• Transizione frazionaria dello spazio degli stati per la modellazione di sequenze lunghe
• Stessa qualità del ranking, decisioni diverse: misurare e ridurre la dipendenza dall’ordine nei modelli di valutazione basati su LLM
• I tokenizzatori di movimento per la generazione di gesti co-verbali codificano la semantica dei gesti?
• Echi dell’errore: consistenza locale del rollout lungo la direzione residua per la previsione di serie temporali
• Lipi-Ghor: un corpus bengalese del parlato su larga scala, con diarizzazione e in diversi ambiti, e una pipeline scalabile per costruirlo
• Ottimizzazione delle policy adattiva alla difficoltà e strutturata ad albero per ampliare la copertura del ragionamento nell’RLVR
• Autoencoder sparsi a isole temporali per interpretare modelli di serie temporali cliniche
• OmniVerifier-C1: un verificatore graduato che scompone le richieste per la modellazione generativa del mondo governata da regole