AI 论文速递

最新

印度公职人员模拟面试中的性别表现与偏见
本研究通过分析来自888个YouTube视频的51,278个模拟面试问题，揭示了男性和女性候选人在提问方面存在显著的性别偏见。研究还利用大语言模型进行实验，发现其在性别推断任务中存在明显的性别偏见，并提供了一个可供未来社会科学研究使用的新数
PDFa day ago
Vista3D：揭示单张图像的3D隐秘
本研究解决了如何从单张图像中揭示物体隐藏维度的问题。提出的Vista3D框架利用两阶段的方法，快速且一致地生成3D模型，并通过优化的有符号距离函数提高生成质量。实验结果表明，该方法有效平衡了生成3D物体的一致性和多样性，具有重要的应用潜力。
PDFa day ago
动态模型：用于视觉-运动控制的领域内动态预训练
本研究解决了现有模仿学习方法在处理高维视觉观测中所需大量专家示例的问题。提出的DynaMo方法通过自监督学习有效地从专家示例中学习视觉表征，并显著提升了下游模仿学习的性能，特别是在无需使用任何领域外数据的情况下。
PDFa day ago
Qwen2-VL：在任何分辨率下增强视觉-语言模型对世界的感知
本文提出了Qwen2-VL系列，这是对之前Qwen-VL模型的高级升级，解决了视觉处理中的预定分辨率方法的局限。该研究引入了动态分辨率机制，能够高效处理不同分辨率的图像，生成更准确的视觉表示，并实现了文本、图像和视频之间的有效信息融合。此外
PDFa day ago
急切模式下的束调整
本研究解决了在现代深度学习框架中集成束调整（BA）技术的需求缺口。提出了一种与PyPose无缝集成的急切模式BA框架，提供高效的PyTorch兼容接口。研究表明，该框架在GPU上的运行效率显著提高，与现有BA框架相比速度提升分别达到18.5
PDFa day ago
具有场景上下文的多人人体三维运动预测
本研究针对长期三维人体运动预测中的挑战，特别是如何从输入序列生成真实的人体运动。提出的场景感知社交变换器模型(SAST)结合了时间卷积编码-解码架构与变换器的瓶颈，有效融合运动和场景信息，实现了对人和物体之间复杂互动的建模。模型在“厨房中的
PDFa day ago
Qwen2.5-Coder技术报告
本报告介绍了Qwen2.5-Coder系列，它是CodeQwen1.5的重要升级，解决了代码生成模型性能的不足。Qwen2.5-Coder通过精细的数据清理和合成数据生成，展现了卓越的代码生成能力，并在10多个基准测试中超越同类更大模型。研
PDFa day ago
使用链式思维还是不使用链式思维？链式思维主要在数学和符号推理上有帮助
本研究针对链式思维（CoT）在大语言模型中的有效性，分析了其在不同任务中的表现，发现CoT主要在数学和逻辑任务中显著提升性能，而在其他任务中的提升有限。研究表明，CoT的优势主要来源于改进符号执行，并且建议在应用时选择性使用，以节省推理成本
PDFa day ago
长上下文扩展与大语言模型中的泛化的对照研究
本研究解决了在大语言模型中有效处理长上下文时存在的评估不确定性问题。通过实施标准化的评估协议，研究揭示了困惑度在长上下文任务中的重要性，并指出当前近似注意力方法的系统性低效，同时证实精确微调方法在其扩展范围内的有效性，推动了这一关键领域的研
PDFa day ago
微调语言模型以生成不确定性语言表达
本文解决了大型语言模型在信息生成中常常产生与现实冲突的信息的问题。通过监督微调不确定性增强的预测，研究提出了一种方法，使模型能够产生更为准确的不确定性语言表达，实验证明这一方法能够显著提升模型对自身预测的信心校准，从而提高用户对模型输出的信
PDFa day ago
计算动力系统
本研究探讨了光滑有限维动力系统的计算复杂性理论，针对动力系统模拟图灵机的定义进行了深入分析。研究表明，混沌动力系统和可积动力系统无法稳健地模拟通用图灵机，而其他类型的动力系统却可以。此外，本研究揭示了一维结构稳定动力系统中图灵机的可判定停机
PDFa day ago
一次性读入（YORO）：学习将数据库知识内化用于文本到SQL
本研究解决了现有文本到SQL任务中重复编码数据库模式所导致的高推理成本和重要数据库知识被忽视的问题。YORO提出了一种新范式，通过在训练过程中将数据库知识直接内化到文本到SQL模型的参数知识中，消除了推理过程中的模式编码需求，显著降低输入标
PDFa day ago
multiPI-TransBTS：基于多物理信息的脑肿瘤图像分割多路径学习框架
该研究针对脑肿瘤图像分割中的自动化挑战，提出了一种新颖的Transformer框架multiPI-TransBTS，旨在提升分割精度。通过整合空间信息、语义信息及多模态成像数据，该框架有效应对脑肿瘤特征的异质性，并在BraTS2019和Br
PDFa day ago
精确预测天空图像的方法通过空间变形
本研究解决了由于云层遮挡造成的太阳能发电间歇性的问题，提出了一种新颖的深度学习方法来提升未来天空图像的分辨率。研究的主要贡献在于开发了一种优化的变形方法，以改善云层在地平线附近的预测能力，从而提高了长期时间范围内的太阳辐射预测准确性。
PDFa day ago
JEAN：基于音频引导的联合表情与 NeRF 的谈话面孔生成
本研究解决了现有方法在生成谈话面孔时难以同时保持说话者身份和真实面部表情的问题。提出了一种基于 NeRF 的网络，通过自监督学习提取音频特征，并采用对比学习方法，确保音频特征与口部运动的对齐，同时拆分与面部其他肌肉运动无关的部分。研究结果表
PDFa day ago
Autopet III挑战：将解剖学知识融入nnUNet以进行PET/CT中的病灶分割
本研究解决了PET/CT成像中病灶分割的准确性问题，旨在提高肿瘤特征的精确描述及个性化治疗方案的制定。作者提出了一种新颖的方法，通过结合解剖标签并训练nnUNet集成模型，以提高分割性能，并在不同的示踪剂下验证了该模型的有效性，最终在FDG
PDFa day ago
约束下分类器的推理解释：复杂性和属性
本研究针对现有推理解释方法在特征之间存在约束时可能导致冗余或多余解释的问题，提出了三种新型解释方法。通过引入解释的覆盖概念，证明了可以有效筛选冗余解释，并分析了不同类型解释的复杂性及其形式属性。这项工作对提高分类器的可解释性具有重要意义。
PDFa day ago
解码风格：高效微调LLMs以进行图像引导的个性化服装推荐
本研究解决个人服装推荐中的时尚兼容性和趋势意识挑战，提出一种新框架，利用大型语言模型（LLMs）通过微调和直接反馈集成来增强其性能。研究表明，基于该框架的推荐系统在跟进时尚趋势方面具有显著优势，从而持续优化购物体验，生成更具风格和趋势的服装
PDFa day ago
MAgICoRe: 多智能体、迭代、粗到细的推理精炼
本文解决了大型语言模型在推理过程中的过度精炼、错误本地化困难以及精炼次数不足等问题。提出的MAgICoRe方法通过将问题难度分为简单和困难，并采用多智能体反馈循环，显著提高了推理质量。实验证明，MAgICoRe在解决数学习题时，其单次迭代的
PDFa day ago
MoRAG -- 多重融合检索增强生成的人类运动生成
本研究提出MoRAG，一种基于多部分融合的检索增强生成策略，旨在解决文本驱动的人类运动生成中的拼写错误和改写问题。通过改进的运动检索过程，我们的创新方法增强了运动扩散模型的表现，展示了其作为即插即用模块在运动生成领域的潜力。
PDFa day ago