AI 论文速递

最新

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。
PDF6 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
PDF6 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
PDF6 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。
PDF6 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
PDF6 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
PDF6 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
PDF6 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
PDF6 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
PDF6 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
PDF6 days ago
使用迹形熵和变形对数的镜像下降和新颖的指数梯度算法
本研究解决了当前文献中大量广义熵的使用问题，提出了一类基于迹形熵和变形对数的镜像下降更新和广义指数梯度算法。通过调整超参数，使算法适应训练数据的分布，提升优化问题的收敛速度和性能，为指数梯度下降更新提供了新视角。
PDF6 days ago
超越大纲：语言模型自适应长篇写作的异构递归规划
本研究解决了当前长篇写作代理在写作过程中灵活性不足的问题。我们提出了一种通用代理框架，通过递归任务分解和检索、推理、创作三种基本任务类型的动态整合，来实现类人自适应写作。实验证明，我们的方法在小说创作和技术报告生成中均优于当前最新的方法，展
PDF6 days ago
带有面部对抗攻击的定制肖像生成框架 Adv-CPG
本研究针对现有定制肖像生成方法在数据隐私方面的不足，提出了一种新的带有面部对抗攻击的定制肖像生成框架Adv-CPG。该框架引入了轻量级的本地ID加密器和加密增强器，实现了双层加密保护，且具备生成精细和个性化肖像的能力。实验结果表明，Adv-
PDF6 days ago
DexGrasp 一切：朝着具有物理意识的通用机器人灵巧抓取迈进
本研究解决了通用智能机器人在灵巧抓取中的高自由度与物体多样性所带来的挑战。通过将物理约束有效融入扩散式生成模型的训练和采样阶段，提出了DexGrasp Anything方法，并在几乎所有公开数据集上实现了先进性能。同时，推出了包含超过340
PDF6 days ago
MT-NAM：一种高效自适应的癫痫发作检测模型
本研究针对现有神经接口系统中机器学习算法的准确性和效率不足的问题，提出了一种新型的微树基础模型MT-NAM。该模型在推理速度上较标准NAM提升了100倍，同时仅在灵敏度上有2%的轻微下降。通过在线更新机制，MT-NAM不仅恢复了灵敏度，还在
PDF6 days ago
将文本与图像对齐的扩散模型比你想象的要简单
本研究针对文本与图像表示之间的对齐问题，提出了一种新的视角，即通过对比学习来优化表示对齐。我们引入了一种轻量级的对比微调策略SoftREPA，通过使用软文本标记，显著提高了文本与图像的语义一致性，并在生成任务中验证了其有效性。
PDF6 days ago
HASARD：基于视觉的安全强化学习的基准测试在具身智能体中的应用
本研究解决了现有基于视觉的3D基准仅考虑简单导航任务的不足，通过引入多样化和复杂的任务套件HASARD，以促进安全强化学习的应用。HASARD提供不同难度级别和行动空间的任务，以评估和提升智能体在复杂环境中的安全决策能力和空间理解能力，为未
PDF6 days ago
针对代码优化的执行感知语言模型研究
本研究解决了现有语言模型在代码优化时缺乏运行时代码执行行为理解的问题。通过将执行信息整合入CodeT5+模型，采用三种训练策略，探索其对代码优化能力的影响。研究结果表明，执行感知模型在代码优化方面的效果有限，提示了当前技术的潜在改进方向。
PDF6 days ago
基于可解释人工智能的灰盒文本攻击框架
该研究针对传统对抗性文本攻击方法的局限性，提出了一种新的灰盒与黑盒相结合的攻击框架。利用可解释人工智能技术，该框架在不需要了解模型细节的情况下，通过替代变换器模型进行攻击，生成能够有效欺骗其他模型的语义良好的句子，其影响在于提高了对抗性攻击
PDF6 days ago
盲解混合的神经网络：一种新型矩阵卷积解混合（MCU）方法
该研究针对超光谱图像解混合中的物理意义缺失和通用卷积网络不适应性的挑战，提出了一种新颖的矩阵卷积解混合方法（MCU）。通过构建两个子网络，分别用于端元和丰度估计，结合复合损失函数和正则化措施，显著提升了解混合结果的质量，对合成和真实数据集进
PDF6 days ago