AI 论文速递

最新

艾瑟：几何感知统一世界建模
本研究解决了几何重建和生成建模整合的关键挑战，提出了统一框架Aether，能够通过联合优化四维动态重建、动作条件视频预测和目标条件视觉规划，实现几何感知推理。研究表明，Aether在没有真实世界数据的情况下，仍能实现零样本泛化，且重建性能显
PDFa day ago
视频生成的测试时间扩展：Video-T1
本研究针对视频生成领域面临的生成质量不足的问题，提出了一种新颖的测试时间扩展(TTS)方法，旨在通过增加推理时间的计算资源来改善视频生成质量。研究结果表明，采用有效的推理计算策略（如"树帧"方法）可以显著提升基于文本提示的视频生成效果，展示
PDFa day ago
自适应世界：带有潜在动作的可适应世界模型学习
本研究解决了现有世界模型在适应新环境时对大量有标签动作数据的依赖问题。通过在预训练阶段提取视频中的潜在动作，提出了一种新的自适应学习方法AdaWorld，从而实现了高效的世界模型适应能力。实验结果表明，该方法在仿真质量和视觉规划方面均表现优
PDFa day ago
执行的统计证明 (SPEX)
本研究解决了自动决策中对可验证计算的需求，提出了一种基于采样的协议，该协议在速度、成本和简易性上大幅改善了现有方法。通过合理管理非确定性问题，提供了一系列策略来应对常见场景。
PDFa day ago
SimpleRL-Zoo：研究和驯服野外开放基础模型的零强化学习
本研究探讨了零强化学习训练在多个基础模型中的应用，解决了当前研究集中于Qwen2.5模型的局限性。通过调整奖励格式和控制查询难度等设计策略，我们在推理准确性和回复长度上取得显著进展，并首次在小型模型中观察到“恍然大悟”的现象。我们开源了相关
PDFa day ago
AgentDropout：用于令牌高效与高性能的动态代理消除
本研究针对基于大语言模型的多智能体系统在通信效率低和任务性能不佳等方面的挑战，提出了AgentDropout方法，通过优化通信图的邻接矩阵识别并消除冗余代理及通信，从而增强令牌效率和任务性能。实验结果显示，相较于现有方法，AgentDrop
PDFa day ago
自引导模型预测控制
本文解决了现有无模型方式在复杂任务中学习策略和估计价值不准确的问题。我们提出了一种新颖的自引导模型预测控制算法（BMPC），通过模仿模型预测控制专家来学习网络策略，并结合基于模型的时序差分学习来提升价值估计和控制效率。研究表明，BMPC在多
PDFa day ago
从潜在思维中推理学习
本研究解决了语言模型预训练中数据瓶颈的问题，通过显式建模和推理文本生成过程中的潜在思维，显著提高了数据效率。我们通过对数学的持续预训练验证了该方法的有效性，结果显示合成数据的方法在数据效率上优于同量原始数据训练，并且在自我引导的推理过程中，
PDFa day ago
科学创新的结构化：建模与发现影响力知识组合的框架
本研究解决了科学发现中缺乏系统性的方法组合的问题，提出了一种结构化的方法，强调方法组合在产生颠覆性见解中的重要性。通过对历史上具有颠覆性的组合进行对比学习，并运用蒙特卡罗搜索算法，研究表明该框架能够有效建模创新的结构动态，并发现具有高颠覆潜
PDFa day ago
探讨关键值注意力在纯和混合变换器中的集成用于语义分割
本研究解决了变换器在语义分割任务中的计算复杂性和数据依赖性问题，提出了将关键值变换器（KV Transformer）应用于医学成像的创新方法。研究发现，KV 变换器在降低模型复杂性的同时，可以保持与传统 QKV 实现相似的性能，从而有望在医
PDFa day ago
MC-LLaVA：多概念个性化视觉语言模型
本研究解决了当前视觉语言模型在个性化方面仅关注单一概念的问题，提出了首个多概念个性化范式MC-LLaVA。该模型通过多概念指令调整策略，能够在单个训练步骤中有效整合多个概念，并引入个性化文本提示和视觉提示以提升识别能力。研究表明，MC-LL
PDFa day ago
自组织图推理演变为持续发现的临界状态：通过结构-语义动态
本研究解决了代理图推理系统在持续语义发现过程中自发演变至临界状态的机制缺口。通过分析结构熵和语义熵的交互，提出了一种新的临界发现参数，表明语义熵在系统中占主导地位。研究发现系统中存在12%的“惊奇”边，表明概念之间的远程连接，这一发现为智能
PDFa day ago
三种人工智能伦理
本研究针对人工智能伦理领域的混乱现象，系统性地划分出三种类型的伦理关系：伦理与人工智能、人工智能中的伦理、人工智能的伦理。文章阐明了这三种伦理的特征及其所需的研究问题与专业知识，提出某些对人工智能伦理的批评观点不当，从而为更深入的伦理讨论奠
PDFa day ago
双域多路径自监督扩散模型用于加速MRI重建
本研究针对MRI重建过程中的长采集时间和高计算成本问题，提出了一种新的双域多路径自监督扩散模型（DMSM）。该模型不仅提高了重建精度和效率，还在重建过程中提供了不确定性估计，增强了临床应用的可解释性。我们在两个人体MRI数据集上的实验结果表
PDFa day ago
可解释的公平弃权分类器机制
本研究解决了弃权分类器在处理难以分类实例时存在的公平性问题，特别是当仅降低多数群体的错误时导致的性能差异。通过提出可解释的公平弃权分类器IFAC，该算法同时基于不确定性和不公平性拒绝预测，从而减少不同人口群体之间的错误和积极决策率差异。这种
PDFa day ago
经济评估：在未知环境中对LLM代理的基准和试金石测试
本研究解决了LLM代理在未知环境中采取行动、学习与探索的能力不足的问题。作者提出了基于经济学关键问题的决策任务基准和新型量化测量方法试金石测试，利用合成生成的可扩展难度来评估LLM代理的能力和倾向。研究的主要发现是，这些基准和测试能够有效评
PDFa day ago
通过多模态表示的跨模态对齐增强OOD检测
本研究针对以往主要集中于单一模态模型的OOD检测问题，提出了一种通过多模态微调方法显著改善OOD检测性能的新策略。关键在于我们提出的训练目标，通过正则化ID数据的图像与文本嵌入间的距离，增强了跨模态对齐，从而更好地利用预训练的文本信息。我们
PDFa day ago
基于邻域的因素化多智能体演员-评论家算法的多机器人协调学习
本研究解决了现有多智能体强化学习算法在去中心化系统中对个体机器人动作影响评估不准确的问题。提出的Loc-FACMAC算法通过在评论学习中引入邻域概念，在训练过程中形成相关机器人的分区，从而改善策略评估的精准度。实验结果表明，当邻域结构设计得
PDFa day ago
迈向负责任的人工智能音乐：对创造性系统可信特征的研究
本研究旨在解决生成性人工智能在创作艺术中的伦理和社会问题，特别是对人类创造力的潜在影响和版权问题。我们提出了一种综合方法，依据欧洲委员会设立的可信人工智能伦理指南，将生成音乐人工智能的设计与评估框架相结合。研究的关键发现强调了跨学科合作和利
PDFa day ago
通过设计战胜提示注入攻击
本研究解决了大型语言模型在处理不受信数据时易受提示注入攻击的问题。提出的CaMeL防御机制通过在模型周围创建保护层，确保即使底层模型易受攻击也能安全运行。重要的发现是，CaMeL在AgentDojo平台上解决了67%的任务，展现了其有效性和
PDFa day ago