AI 论文速递

最新

YuE：扩展开放基础模型以实现长篇音乐生成
本文针对长篇音乐生成，尤其是歌词转歌曲的问题，提出了YuE，一个基于LLaMA2架构的开放基础模型系列。YuE通过创新的结构和多任务学习方法，能够生成高达五分钟的音乐，并保持歌词对齐和音乐结构的连贯性，超越了一些专有系统，在音乐性和声乐灵活
PDF4 days ago
基于熵感知模糊积分策略的视觉变换器在CT扫描中颅内出血分类
本研究针对颅内出血（ICH）类型分类的挑战，提出了一种基于金字塔视觉变换器（PVT）的模型，旨在提高分类的准确性和可靠性。通过结合SHAP驱动的特征选择和熵感知模糊积分操作，我们的方法显著优于现有深度学习架构，为自动化ICH亚型分类提供了一
PDF4 days ago
受网格细胞启发的认知地图结构化矢量代数
本研究解决了如何将连续空间和抽象空间计算集成到统一框架中的问题。提出了一种受连续吸引子网络和矢量符号架构启发的机制模型——网格细胞矢量符号架构（GC-VSA），能够在多个空间与抽象任务中展示出卓越的通用性。实验结果表明，该模型在路径积分、时
PDF4 days ago
无调优多事件长视频生成的同步耦合采样
本研究解决了目前文本转视频扩散模型在生成现实世界长视频时面临的数据有限和计算成本高的问题。提出了一种名为同步耦合采样（SynCoS）的新颖推理框架，通过同步去噪路径确保视频各帧之间的长期一致性，显著改善了多事件长视频生成的平滑性和远程连贯性
PDF4 days ago
EMMOE：开放环境中具身移动操作的综合基准
本研究解决了当前在复杂机器人任务中缺乏统一基准及评估方法的问题，以推动自然语言控制的自主家庭机器人技术的发展。通过引入EMMOE这一框架，该框架同时整合了高层次和低层次的具身任务，并提供了三种新的评估指标，显著提升了对多样化任务的评估能力。
PDF4 days ago
神经符号决策树
本研究解决了神经符号人工智能中对符号或逻辑结构学习关注不足的问题。我们提出了神经符号决策树（NDT），并引入了一种新颖的结构学习算法NeuID3，该算法结合了传统的决策树算法与神经概率逻辑表示。实验结果显示，NDT在学习过程中能够同时支持符
PDF4 days ago
BiasEdit：通过模型编辑消除刻板印象语言模型的偏见
本研究解决了语言模型中存在的刻板印象偏见问题，提出了BiasEdit这一高效的模型编辑方法。通过轻量网络生成参数更新，该方法有效地消除了偏见，同时保持了语言模型的语言生成能力。实验结果表明，BiasEdit在消除偏见方面表现优越，对模型整体
PDF4 days ago
多尺度意识的多实例学习网络：一种高效的整体幻灯片图像分类方法
本研究针对现有整体幻灯片图像分类方法中存在的特征提取和多实例学习网络之间协作优化不足的问题，提出了一种端到端的多尺度分类框架。该方法通过引入语义特征过滤、多尺度特征提取和多尺度融合模块，显著提高了分类精度和AUC指标，展现出优于现有先进方法
PDF4 days ago
通过数据生成过程视角进行异构图结构学习
本文解决了从观察数据中推断异构图结构的问题，该结构在真实世界中普遍存在。研究提出了一种新的统计模型，即适用于异构图的隐马尔可夫网络（H2MN），并将异构图结构学习形式化为最大后验估计问题。实验表明，所提方法在边类型识别和边权恢复方面表现优异
PDF4 days ago
当话语停滞时：超越设计研究中关于生成式人工智能的五个语义停顿标志
本文探讨生成式人工智能（GenAI）如何迅速变革设计实践，并指出话语常落入简化叙述，阻碍了有意义的研究和实践进展。通过分析五个常见的“语义停顿标志”，我们提供了更细致的框架，帮助设计师和研究人员在各自的环境中重新审视对GenAI的常见假设，
PDF4 days ago
MoE-Loco：用于多任务运动的专家混合模型
本文针对四足和双足机器人在不同地形（如杆子、坑、台阶、坡道和障碍物）下的多任务运动问题，提出了一种新的专家混合模型（MoE-Loco）。该方法通过解决多任务强化学习中的梯度冲突，提升了训练效率和性能，从而展现出不同专家能够自然专精于不同的运
PDF4 days ago
能否在没有失效数据的情况下检测失效？一种基于不确定性的模仿学习策略运行时失效检测方法
本研究解决了在模仿学习机器人操作中，失效检测依赖于失效数据和先前知识的局限性。我们提出了一种名为FAIL-Detect的模块化两阶段失效检测方法，通过将问题框定为顺序的分布外（OOD）检测，从成功的训练数据中准确识别失效。实验表明，该方法在
PDF4 days ago
基于大型语言模型的推理与采样增强的多项选择题难度预测
本研究解决了多项选择题（MCQ）难度预测中的复杂性和干扰项合理性的问题。作者提出了一种新颖的两阶段方法，利用大型语言模型增强推理步骤，并通过采样知识水平评估不同学生的反应，以提高对选项的选择概率估计。实验结果显示，该方法显著提高了预测准确性
PDF4 days ago
AI思想图：利用知识图谱和大型语言模型进行AI研究的创意生成
本研究解决了研究文献快速分析及研究趋势提取的挑战，提出了一种名为AI思想图（GoAI）的框架，旨在优化大型语言模型的创意生成过程。通过将相关文献组织成知识图谱中的实体，并提炼引用中的语义信息，该框架增强了大型语言模型对当前研究进展的理解，从
PDF4 days ago
DAFE：基于大型语言模型的动态仲裁自由问答评估
本研究解决了自由形式生成的语言模型响应评估中的一个关键问题，即传统评估方法无法有效捕捉语义等价性。我们提出了动态仲裁框架（DAFE），通过使用多个大型语言模型作为评估者，以提升评估的准确性，并显著改善评估指标。该框架在一致性、可扩展性和资源
PDF4 days ago
Mellow：一种用于推理的小型音频语言模型
本研究针对小型音频语言模型在推理任务中的应用缺乏进行了探讨，提出了Mellow模型，它在参数量和训练数据上大幅减少的情况下实现了与大型模型相媲美的推理性能。Mellow通过引入ReasonAQA数据集，有效提升了音频基础推理能力，推动了小型
PDF4 days ago
化学推理在大型语言模型中的应用：打开可操控合成规划和反应机理阐明的新视野
本研究解决了机器学习算法在化学任务中的有限能力，尤其是在战略性思维方面的不足。通过将大型语言模型与传统搜索算法结合，我们的方法能够使化学家用自然语言指定合成策略，从而在广泛搜索中找到满意的路径，并指导反应机理的探索。研究表明，较大的模型在化
PDF4 days ago
GTR：指导性思维强化防止基于强化学习的视觉语言模型代理训练中的思维崩溃
本研究针对基于强化学习的视觉语言模型代理在视觉环境中进行目标导向推理时效果不佳的问题。提出了一种自动纠正机制的GTR框架，通过在每个强化学习步骤中评估和细化代理的推理过程，有效防止了思维崩溃现象，显著提高了模型的任务成功率和泛化能力。实验表
PDF4 days ago
深度学习训练的三重惯性加速交替优化方法
本研究针对随机梯度下降算法在深度学习模型训练中存在的梯度消失和收敛速度慢等问题，提出了一种新的三重惯性加速交替最小化框架（TIAM）。该方法通过引入三重惯性加速策略和特殊的近似方法，有效提高了模型训练的收敛效率，实验证明其在普适性和计算效率
PDF4 days ago
优化乘车拼购彩票的调度灵活性
本文针对乘车拼车服务中乘客上下车位置的限制进行了研究，提出了一种新颖的匹配方法，通过扩展乘客的上下车区域，来优化乘车拼车运营。研究发现，该方法能够提高服务请求的满足率达13%，并将平均行程距离减少21%，显著提升了乘车拼车服务的效率。
PDF4 days ago