AI 论文速递

最新

通过专家分片加速MoE模型推理
本研究解决了混合专家（MoE）模型推理中硬件利用率低的问题，特别是在多GPU环境下的编码器模型推理方面仍然缺乏探索。提出的MoEShard系统通过张量分片实现了完美的负载均衡，显著提高了推理效率，优化了计算分布，取得了最高6.4倍的速度提升
PDF5 days ago
标准化框架行业 4.0 的现状与未来展望：欧洲视角
本研究解决了工业 4.0 技术快速发展所需的标准化问题，以确保未来工业的互操作性、安全性和效率。作者强调了标准化在欧洲监管框架中的重要性，并探讨了智能制造和数字双胞胎相关的标准化活动。研究的主要发现是促进标准化机构与研究社区之间合作，以推动
PDF5 days ago
通过潜在 CLIP 控制潜在扩散
本研究解决了潜在扩散模型在处理过程中仍需将潜在图像解码为像素空间的低效率问题。我们提出了直接在潜在空间中操作的 Latent-CLIP 模型，并证明其在图像分类上的表现与现有大型 CLIP 模型相当，同时降低了整个处理管道的成本。最重要的是
PDF5 days ago
2024年国际会议关于骑手意图预测的竞赛
本研究针对摩托车骑手的安全问题，引入了骑手意图预测（RIP）竞赛，旨在通过预测骑行行为来增强骑手的安全性。我们收集了骑手行为预测数据集（RAAD），并比较了多个团队的方法，发现基于状态空间的模型表现最佳，这一发现有助于降低道路事故风险。
PDF5 days ago
AnyMoLe：利用视频扩散模型进行任意角色运动插值
本研究解决了特定角色数据集的需求问题，提出了一种新方法AnyMoLe，利用视频扩散模型为任意角色生成运动插值帧。通过引入ICAdapt微调技术和"运动视频模仿"优化方法，该方法显著降低了数据依赖性，能够生成平滑逼真的过渡效果，适用于多种运动
PDF5 days ago
揭示大型语言模型投资推荐中的产品偏差
本研究揭示了大型语言模型（LLMs）在投资推荐中存在的产品偏差，即LLMs对特定产品表现出系统性的偏好。这种偏好可能影响用户的投资决策，导致产品估值膨胀并可能引发金融泡沫，从而对投资者及市场稳定构成风险。我们开发了一个自动化流程，创建了覆盖
PDF5 days ago
基于标签可靠性的无源领域适应用于跨领域轴承故障诊断
本研究针对当前无源领域适应方法在跨领域轴承故障诊断中忽视目标样本的问题，提出了一种新的基于标签可靠性的无源领域适应方法。通过采用数据增强的标签投票策略，我们将目标样本分为可靠和不可靠的伪标签，并利用可靠伪标签作为真实标签，显著提升了模型的适
PDF5 days ago
V-Max：使强化学习在自动驾驶中更具实用性
本研究针对现有模仿学习在自动驾驶中面临的分布偏移和模仿差距问题，提出了一种新的解决方案V-Max，一个开放的研究框架，旨在提高强化学习在自动驾驶中的应用可行性。通过构建在硬件加速的自动驾驶模拟器Waymax之上，V-Max集成了多种观察和奖
PDF5 days ago
InfluenceNet：用于班兹哈夫和夏普莱值预测的人工智能模型
本研究解决了传统计算方法在多智能体系统中计算权力指数时存在的时间和计算约束，尤其是在处理大规模联盟时的局限性。通过引入一种基于神经网络的新方法，该方法有效地估算投票游戏的权力指数，并在速度和准确性上表现出与现有工具相当或更优的性能，显著提高
PDF5 days ago
稳健的潜在问题：通过采样误差提升图像生成
本研究解决了现有图像生成方法中潜在空间构建评估指标的不准确性和其对生成质量的影响。提出了一种新颖的插件式分词器训练方案，通过潜在扰动方法模拟采样噪声，并引入了一种新的评估指标pFID，有效关联分词器性能与生成质量，从而显著提升了分词器的稳健
PDF5 days ago
会员推断测试演示器
本研究解决了机器学习训练过程透明度不足的问题，提出了一种新的方法——MINT技术，用于实验性地判断特定数据是否用于机器学习模型的训练。研究表明，最大可达89%的准确率显示了识别AI模型是否使用特定数据的潜力，推动了AI训练过程的透明性。
PDF5 days ago
在机器翻译中加入巧克力以减轻度量干扰
本研究针对在模型开发中使用相同或相关度量导致的度量干扰问题（Mud），提出了MintAdjust方法以提高评估的可靠性。研究发现，度量干扰会严重扭曲实例级别的度量分数，从而导致对系统性能的过度乐观估计。MintAdjust方法在WMT24机
PDF5 days ago
基于原型的异构联邦学习用于风力涡轮机叶片结冰检测
本研究解决了在高纬度地区风力发电场中，因环境条件差异导致的数据异构性和类不平衡问题，从而影响风力涡轮机叶片结冰检测的效果。提出了一种联邦原型学习模型，并引入对比监督损失函数，显著提升了检测性能，实验证明相较于其他方法平均提升了19.64%的
PDF5 days ago
通过将策略提炼为程序来评估可解释的强化学习
本研究解决了缺乏人类参与的可解释性评估方法的问题，提出了一种基于可模拟性的评估方法来评价强化学习策略的可解释性。研究结果表明，提高可解释性并不一定会降低性能，有时甚至可以提升性能，同时没有一种策略类别在不同任务中能最好地平衡可解释性和性能。
PDF5 days ago
用信心观察和推理：通过不确定性感知的自主框架增强多模态大语言模型
本研究解决了多模态大语言模型在多模态推理中的挑战，特别是依赖昂贵的数据标注和外部工具的潜在不可靠性。我们提出的SRICE框架，通过集成不确定性感知，允许模型自主选择感兴趣的区域，从而提高了推理过程中的可靠性和效率。实验结果显示，SRICE在
PDF5 days ago
由大语言模型驱动的通用航空智能体
本研究解决了现有无人机系统因硬件与软件设计协调问题而限制于预定义任务的问题。论文提出了一种新型的航空智能体，能通过大语言模型的推理与机器人自主性紧密结合，实现开放世界的任务执行。关键发现表明，该系统在有限的通信环境中，能够可靠地进行任务规划
PDF5 days ago
大语言模型作为数据驱动的多任务优化的元代理：一种原则性研究
本研究针对多任务优化中重复适应度评估的计算负担问题，提出了一种新颖的元代理框架，利用大语言模型的知识转移能力。本框架通过任务元数据和决策变量进行适应度预测，支持高效的知识共享和对新任务的适应，实验结果显示该模型具有突出的零-shot性能，显
PDF5 days ago
基于偏好的离散扩散模型对齐：D3PO
本研究解决了在缺乏明确奖励函数的情况下，将离散扩散模型与特定任务偏好对齐的挑战。我们提出的D3PO方法通过新颖的损失函数，利用偏好数据直接优化生成过程，同时保持对参考分布的忠实性。研究表明，D3PO在不需要显式奖励模型的情况下，能够有效地对
PDF5 days ago
大型语言模型在门诊转诊中的应用：问题定义、基准测试与挑战
本研究针对大型语言模型（LLMs）在门诊转诊任务中的效果缺乏标准评估标准的问题，系统地考察了其在智能门诊转诊系统中的能力与局限。我们提出了一个综合评估框架，涵盖静态评估与动态评估两大核心任务，发现LLMs在互动对话中提问有效性方面展现出一定
PDF5 days ago
OminiControl2：扩散变换器的高效条件控制
本研究针对文本到图像扩散变换器模型(DiT)中的细粒度控制难题，提出了OminiControl2框架。通过动态压缩策略和条件特征重用机制，实现了在处理长条件输入时的高效图像生成，处理开销降低超过90%，极大提升了多条件生成的速度，为复杂多模
PDF5 days ago