AI 论文速递

最新

EgoBlind：为盲人提供自我中心视觉辅助的研究
本研究提出了EgoBlind，这是首个针对盲人的自我中心视频问答数据集，以评估当代多模态大语言模型的辅助能力。研究发现，现有模型在视觉辅助方面存在显著局限性，准确率仅为56%，远低于人类的87.4%。此工作为未来开发更有效的AI助手提供了重
PDF7 days ago
CL-MVSNet：基于双级对比学习的无监督多视图立体
本研究解决了无监督多视图立体方法中由于光度一致性假设引起的低纹理区域和反射导致的局限性问题。我们提出了一种新的双级对比学习方法CL-MVSNet，通过构建额外的监督信号，增强了模型的上下文意识和表示能力，并显著提升了深度估计精度。实验结果表
PDF7 days ago
DeepRAG：从零开始为检索增强生成构建定制的印地文嵌入模型
本文提出了DeepRAG，这是一个专门为印地语在检索增强生成系统中构建的嵌入模型。研究中通过从头开始创建印地文嵌入，解决了现有多语言模型在印地语检索任务中性能不足的问题，结果相比于多语言模型提高了23%的检索精度，展示了特定语言模型的重要性
PDF7 days ago
面向方向的长期运动解耦用于连续手语识别
本研究针对当前连续手语识别中的多方向和长期运动问题进行创新探讨，提出了面向方向的长期运动解耦框架OLMD。通过有效地聚合长期运动并将多方向信号解耦为易于理解的组成部分，OLMD在三个大型数据集上表现出色，尤其是在PHOENIX14上将字词错
PDF7 days ago
基于大语言模型的车道合并控制的级联协作多智能体框架
本研究解决了传统强化学习在多智能体场景中复制人类行为、有效泛化以及解释性问题的挑战，尤其是在深度环境理解、智能体协调和动态优化的需求下。提出了级联协作多智能体（CCMA）框架，结合个体交互的强化学习、经过微调的大语言模型的区域合作、全局优化
PDF7 days ago
猜猜我在想什么：角色扮演语言代理的内在思维推理基准
本研究填补了角色扮演语言代理（RPLA）内在思维过程未被探索的空白，提出了一个名为ROLETHINK的新基准，用于评估角色思维生成。通过提出内在思维推理任务及应用MIRROR方法，我们的实验表明，内在思维推理对RPLA至关重要，并且MIRR
PDF7 days ago
RigoChat 2：使用受限数据集和降低的硬件适配西班牙语的语言模型
本研究针对大型语言模型（LLMs）在训练和推理过程中的高计算资源和时间需求，提出了一种优化方法。通过最小资源和时间，我们展示如何在相对较小的预训练LLM基础上增强模型，以适应西班牙语任务，取得了显著改进的结果。
PDF7 days ago
ProtTeX: 结合上下文的蛋白质推理与编辑的大型语言模型
本研究解决了蛋白质科学中对结构依赖性问题的不足，以及现有方法对蛋白质序列的处理局限。我们提出了一个新框架ProtTeX，通过将蛋白质序列、结构和文本信息统一到离散空间，推动了多模态蛋白质推理和生成。实验结果显示，ProtTeX在蛋白质功能预
PDF7 days ago
联邦多智能体系统中的隐私增强范式
本研究针对在敏感领域中，现有多智能体系统所面临的隐私保护挑战进行了探讨。论文提出了嵌入式隐私增强智能体（EPEAgent）这一创新解决方案，通过在检索增强生成阶段和上下文检索阶段无缝集成，最小化数据流并确保共享的仅为与任务相关的智能体特定信
PDF7 days ago
研究苏格拉底链式思维推理方法在机器人任务规划中的有效性——案例研究
本研究解决了大型语言模型（LLMs）在机器人领域处理复杂空间任务能力不足的问题。通过采用苏格拉底链式思维推理方法，我们发现其在人机交互中具有显著的提升效果，并能够减少计算成本。本研究的结果表明，结合链式思维推理的苏格拉底方法能够有效生成机器
PDF7 days ago
XAI4Extremes：一个用于理解气候变化下极端天气前兆的可解释机器学习框架
本研究针对气候变化下极端天气事件前兆识别不清的问题，提出了一种后验可解释性方法，通过构建相关天气图，展示深度学习模型识别的关键极端天气前兆。研究表明，这些模型能够揭示有助于理解极端天气前兆的模式，且该方法可扩展至全球其他极端天气事件的研究。
PDF7 days ago
绿洲：一张图像即可满足多模态指令数据合成需求
本研究解决了多模态大语言模型（MLLMs）训练数据缺乏和获取成本高的问题。提出了新方法"绿洲"，通过仅使用图像合成高质量多模态数据，显著提高数据多样性和质量控制。实验结果显示，该方法能显著提升MLLMs的性能，并专注于特定领域的能力。
PDF7 days ago
关注轨迹：轨迹感知开放词汇跟踪
本研究解决了开放词汇多目标跟踪中对轨迹信息依赖不足的问题，通过引入轨迹一致性增强策略（TCR）和可插拔的轨迹分类模块（TraCLIP），有效提升了目标关联和分类的精度。这一方法显著提高了跟踪性能，展示了轨迹信息在开放词汇多目标跟踪中的重要性
PDF7 days ago
FlowDPS：基于流的逆问题后验采样
本研究解决了在流模型框架下逆问题求解的空白，通过将扩散逆求解器扩展到流模型，提出了一种新方法FlowDPS。研究表明，FlowDPS在四个线性逆问题中的表现优于当前最先进的替代方案，且无需额外训练。
PDF7 days ago
MGHanD：多模态引导下的真实手部扩散
本研究解决了扩散生成模型在生成真实人手方面的不足，特别是指头计数错误和手部结构变形的问题。通过在推理过程中应用多模态引导，结合经过训练的判别器和LoRA适配器，我们提出了一种新方法来改善手部图像的质量。实验结果表明，MGHanD在生成高质量
PDF7 days ago
朝向稳定的世界模型：测量和应对生成环境中的世界不稳定性
本研究针对世界模型在维持内容稳定性方面的不足，提出了“世界稳定性”的概念，旨在提高生成环境的表现。通过建立评估框架，量化模型在执行一系列动作及其逆向操作后回归初始视角的能力，结果显示当前主流生成模型在稳定性方面面临重大挑战，并探讨了多种改进
PDF7 days ago
HeGMN：用于学习图相似性的异构图匹配网络
该研究解决了现有图相似性学习方法在处理异构图时性能下降的问题。提出的异构图匹配网络（HeGMN）通过引入两级匹配机制，采用异构图同构网络作为编码器，并结合图级和节点级匹配模块，显著提高了图相似性预测的准确性。实验结果表明，HeGMN在多个数
PDF7 days ago
Uni$\textbf{F}^2$ace：用于细粒度面部理解与生成的统一多模态模型
本研究针对现有面部领域在细粒度面部属性理解和生成能力上的不足，提出了Uni$\textbf{F}^2$ace，首个专门为细粒度面部理解与生成而设计的统一多模态模型。通过构建包含130K图像-文本对和百万个问答对的大规模数据集，并结合改进的扩
PDF7 days ago
共生生成模型的收敛动态与稳定策略
本文研究了共生生成模型在训练过程中相互影响导致的模型崩溃现象，填补了对此过程的研究空白。通过建模文本和图像模型的交互，发现固定一个模型会导致另一个模型崩溃，而完全交互系统加速了这种崩溃。引入外部影响的稳定策略能够防止模型崩溃，保持多样性和保
PDF7 days ago
人工智能原生记忆2.0：第二个我
本研究解决了用户在与外部世界互动时需多次提供个人信息的冗余问题。通过引入“第二个我”这一智能持久记忆系统，该论文提出了一种新的记忆管理方式，利用大型语言模型实现动态知识利用和上下文感知响应。研究结果显示，这种方法能够显著降低用户的认知负担，
PDF7 days ago