AI 论文速递

最新

ACING：在黑箱大型语言模型中用于指令学习的演员-评论家方法
本研究解决了大型语言模型（LLMs）指令优化的难题，特别是在黑箱情况下缺乏模型参数和梯度的可用信息。提出了一个创新的演员-评论家基于强化学习的方法（ACING），能够从非可微的奖励信号中学习并优化提示。实验结果表明，ACING在30个指令性
PDFa day ago
图神经网络和图变压器的位置信息编码基准测试
本研究解决了图神经网络(GNNs)和图变压器(GTs)中位置信息编码(PEs)影响的孤立性问题。通过建立一个统一的基准框架，我们系统地评估了PEs在GNN和GT中的应用，并引入了稀疏化的GRIT注意机制来检验全局连接的影响。研究发现，未曾测
PDFa day ago
有意义沟通的信息论
本研究解决了传统信息理论在语言传递中的不足，提出以短语作为信息单元来更准确地量化语言交流中的意义。通过利用最新的大型语言模型，我们发现能够以每个短语的比特数来衡量传递的意义，揭示了信息传达的新方法与潜在影响。
PDFa day ago
无启发式多教师学习
本研究针对现有多教师学习方法依赖手动聚合启发式而导致的聚合标签亚优化和错误传播问题，提出了一种新颖的框架Teacher2Task。该框架通过引入教师特定的输入标记和重新构建训练过程，将训练数据转化为N+1个不同的任务，展示了在多种架构、模态
PDFa day ago
言语非线性动力模型的尺度规律
本研究解决了非线性动力模型在参数选择和数值稳定性方面的挑战，特别是在建模语言数据变化时。提出了一种基于功率律的简单参数化方法，应用于立方体模型，促进了对言语产生中非线性手势动态的可解释模拟。研究的重大发现为言语模型的准确性提供了新视角，可能
PDFa day ago
重新思考MUSHRA：应对文本到语音评估的现代挑战
这项研究解决了当前文本到语音（TTS）评估中缺乏一致和稳健的人类评估框架的问题。论文提出了两种改进的MUSHRA测试变体，分别解决了参考匹配偏差和评判模糊性的问题，从而实现了对超越人类语音质量的TTS系统的更公正和清晰的评分。此外，研究还发
PDFa day ago
补充自适应令牌级对比解码以减轻大规模视觉语言模型中的幻觉
本研究针对大型视觉语言模型（LVLM）中的幻觉问题，该问题在医疗和自主系统等关键领域中造成严重风险。提出了一种新颖的方法——补充自适应令牌级对比解码（CATCH），通过视觉信息分离、幻觉检测和令牌级对比解码，显著减少了视觉缺陷和幻觉，提高了
PDFa day ago
增强多类疾病分类：利用先进的大语言模型对肿瘤、心血管、神经系统和消化系统疾病进行分类
本研究解决了多类疾病分类准确性不足的问题，通过对比分析了四种不同的预训练语言模型在五种医疗条件下的表现。研究发现，BioBERT在医疗文本分类中表现最佳，达到97%的准确率，而XLNet在未专门针对医疗数据预训练的情况下也展现出优秀的通用性
PDFa day ago
Barttender：一种易于理解和解释的比较医学影像与非影像数据的方法
本研究解决了医学影像模型与传统非影像和表格数据比较的挑战，提出了一种可解释的框架Barttender，通过将非影像特征转化为灰度条，便于进行深度学习建模。实验结果显示，Barttender在胸部X光片与健康记录数据集上的表现与传统方法相当，
PDFa day ago
增强假新闻检测：利用SVM和复杂文本向量化技术，挑战BERT？
本研究解决了当今对假新闻快速传播的紧迫需求，通过使用机器学习和自然语言处理技术，特别是支持向量机（SVM）和BERT，来检测假新闻。研究中比较了三种文本向量化方法的有效性，结果表明尽管BERT性能优于其他模型，但使用BoW和TF-IDF向量
PDFa day ago
当后门攻击发声时：通过模型生成的解释理解大型语言模型的后门攻击
本研究针对大型语言模型（LLM）在后门攻击中存在的安全漏洞，探索了其后门功能及机制。通过生成可理解的自然语言解释来比较清洁样本与被污染样本之间的差异，我们发现后门模型在生成解释时的质量和一致性存在显著差异。这些发现加深了我们对LLM后门攻击
PDFa day ago
联邦回归任务的属性推断攻击
本研究针对联邦学习（FL）中回归任务的属性推断攻击（AIA）进行了探索，填补了在该领域中的研究空白。我们提出了针对回归任务的模型驱动AIA，考虑了对抗者窃听信息和干扰训练过程的情境。实验结果表明，尤其在异构客户端数据集中，我们的方法在重构准
PDFa day ago
AdaCM$^2$: 理解极长视频的自适应跨模态记忆压缩
本研究旨在解决现有视频理解模型处理长视频时的局限性，尤其是在复杂问题回答任务中的效率问题。通过首次引入自适应跨模态记忆压缩方法，AdaCM$^2$有效地提高了视频与文本的对齐能力，同时显著降低了内存使用。实验结果表明，AdaCM$^2$在多
PDFa day ago
利用大型语言模型增强美国手语（ASL）与印度手语（ISL）之间的翻译
本研究旨在填补美国手语用户与口语及印度手语用户之间的沟通鸿沟。通过开发一个基于大型语言模型的框架，实现了这两种手语的实时、高效翻译。研究结果表明，该框架显著提高了手语用户的可及性，有望消除ASL与ISL之间的交流障碍。
PDFa day ago
人工智能引导的宫颈癌早期筛查
本研究针对医疗影像数据集在异常检测模型创建中的问题，通过先进的预处理技术改善图像质量，实现正常与病理分类的系统化处理。研究结果表明，该项目能够为医学异常检测提供高质量的输入数据，具有良好的适应性，并可与大型临床决策支持系统有效集成。
PDFa day ago
深度学习驱动的热图分析用于评估受伤皮肤层厚度
本研究解决了受伤部位皮肤层厚度测量的侵入性和特异性不足的问题，提出了一种基于深度学习的非侵入性方法，通过热图分析测量伤口深度。研究发现，使用ResNet18模型可以达到高达97.67%的准确率，这一方法在临床诊断和治疗规划中具有重要应用潜力
PDFa day ago
基于物联网的运动员三维姿态估计与运动优化：C3D和OpenPose的应用
本研究提出了物联网增强姿态优化网络（IE-PONet），用于田径运动员的高精度三维姿态估计和运动优化。该方法通过整合C3D实现时空特征提取，利用OpenPose进行实时关键点检测，并通过贝叶斯优化进行超参数调整。实验结果表明，IE-PONe
PDFa day ago
基于神经符号的图增强 grounded 世界模型
本研究解决了人工智能系统在理解和推理复杂现实场景中的挑战。我们提出了一种新方法，通过图形和逻辑设计模式增强大规模语言模型的反应能力，实现多模态、知识增强的意义形式化表达。此研究的关键发现是，结合语言模型和结构化语义表示，能够改善自然语言理解
PDFa day ago
作物模式识别的机器学习方法比较分析
本研究解决了农业监测中作物模式识别的效率问题，提出采用深度神经网络（DNN）进行分类，以提高识别性能，并与朴素贝叶斯和随机森林等其他机器学习方法进行比较。研究结果表明，DNN在作物模式识别方面表现更佳，具有显著的应用潜力，以增强农作物监测的
PDFa day ago
PoM：使用多项式混合器的高效图像和视频生成
本研究解决了基于多头注意力（MHA）的扩散模型在图像和视频生成中的高内存和计算需求问题。我们提出了一个名为多项式混合器（PoM）的替代方案，其具有线性复杂性，并能以显式状态编码整个序列，显著降低资源消耗。我们的实验表明，PoM在生成高质量样
PDFa day ago