AI 论文速递

最新

SIMAC：一种语义驱动的集成多模态感知与通信框架
本研究解决了传统单一模态感知在准确性和能力上的局限性以及与通信系统解耦所导致的延迟问题。通过提出语义驱动的集成多模态感知与通信(SIMAC)框架，利用联合源信道编码架构实现感知解码与结果传输的同时进行，从而提高了感知服务的多样性和准确性。
PDF6 days ago
基于大型语言模型的科学主张验证的支持和反驳证据检索
本研究提出了CIBER（基于证据检索的主张调查），旨在解决大型语言模型在科学主张验证中固有的不确定性。CIBER通过分析模型对不同查询的反应一致性，优化了证据检索过程，并在多种科学领域中实现了更好的性能，具有重要的实际应用潜力。
PDF6 days ago
自回归思维链的学习理论
本研究解决了在给定序列到下一个标记生成器的基础类中，如何学习提示到答案映射的问题，特别是通过多步迭代固定的生成器生成思维链。我们提出了一种简单的基础类，该类支持普适性表达和可计算的思维链学习，关键发现是时间不变性使得样本复杂度与思维链长度无
PDF6 days ago
算法国家架构（ASA）：一个用于人工智能赋能政府的综合框架
本研究解决了政府在公共部门运营中整合人工智能技术创新的难题，并提出了算法国家架构（ASA），一个新的四层框架，阐明数字公共基础设施、政策数据、算法治理及GovTech的交互关系。研究表明，成功实施需要所有层面的平衡发展，特别关注它们之间的整
PDF6 days ago
StudyChat 数据集：学生与 ChatGPT 在人工智能课程中的对话
本研究针对学生与大语言模型（LLM）之间的互动模式进行分析，填补了教育领域对这种工具使用模式研究的空白。通过引入 StudyChat 数据集，该数据集记录了学生在大学人工智能课程中与 LLM 驱动的辅导聊天机器人进行的真实对话，并揭示了具体
PDF6 days ago
众包、抓取还是生成？创建SEA-VL，面向东南亚的多文化视觉语言数据集
本研究针对东南亚在视觉语言研究中的严重缺乏，提出了SEA-VL数据集，以高质量和文化相关的数据填补这一空白。通过结合众包、图像抓取和生成等多种方式，发现抓取图像在文化相关性方面效果佳且更具成本效益，同时揭示了生成图像在准确反映东南亚文化方面
PDF6 days ago
BEARCUBS：计算机使用网络代理的基准测试
本研究提出了BEARCUBS，这是一个专为评估网络代理搜索、浏览和识别网络信息能力而设计的基准测试，解决了以往评估中对实际网络内容的忽视。该基准的关键在于要求代理完成多模态互动，并通过一系列明确的问题进行评估，发现目前的计算机使用代理表现不
PDF6 days ago
揭示准确性与可解释性之间的权衡：从评论推断评分的案例研究
本研究解决了可解释性和模型性能之间的权衡问题，特别是在推断评论评分的自然语言处理应用中。我们引入了一种定量评分方法，称为综合可解释性（CI），以帮助可视化不同模型的可解释性与性能之间的关系。研究发现，虽然一般来说，随着可解释性的降低，学习性
PDF6 days ago
视觉与文本提示分割：用于遥感的新型多模型框架
本文针对遥感图像分割中的现有模型存在的问题，如冗余掩膜生成和对局部对象的忽视，提出了VTPSeg管道。通过结合Grounding DINO、CLIP和SAM的优势，使用视觉与文本提示进行精确的图像分割，从而提高了多目标遥感图像的识别准确性。
PDF6 days ago
FunGraph：面向功能的3D场景图以实现基于语言的场景交互
本研究解决了当前3D场景图在功能交互方面的不足，提升了机器人与环境的直接交互能力。我们提出了一种新方法，通过细粒度的物体检测和存储，提高了功能性元素的分割精度，相较于现有方法具有更高的任务驱动可用性。实验结果表明，该方法在功能元素分割和准确
PDF6 days ago
双子嵌入：来自双子的可泛化嵌入
本文介绍了双子嵌入，一种利用Google最先进的大型语言模型双子的强大能力的嵌入模型。双子嵌入能够生成高度可泛化的多语言文本嵌入，表现优于以往的模型，能够有效地应用于分类、相似性、聚类、排序和检索等任务，展现了在MMTEB基准测试中的出色表
PDF6 days ago
大语言模型驱动机器人安全护栏
本研究针对大语言模型（LLM）在机器人中应用所带来的安全隐患，提出了一种名为RoboGuard的双阶段护栏架构。该架构通过链式思维推理生成严格的安全规范，并利用时间逻辑控制合成解决潜在的安全冲突，从而大幅降低不安全计划的执行比例，显著提升了
PDF6 days ago
LLMIdxAdvis：利用大型语言模型的资源高效索引顾问
本研究针对传统索引推荐方法在推荐时间长、资源消耗大以及跨不同工作负载和数据库模式泛化能力差等问题，提出了LLMIdxAdvis。该方法使用大型语言模型将索引推荐框架化为序列到序列的任务，实现了高效的索引推荐，实验结果显示其在保证推荐质量的同
PDF6 days ago
利用可预测性衡量图像描述中的方向性偏见放大
本文针对传统的基于共现的偏见放大度量方法在复杂的图像描述任务中的无效性，提出了一种新的方法——方向性可预测性放大测量（DPAC）。DPAC能够有效识别图像描述中偏见的方向性放大，并改进了数据集偏见的估计方法，同时对攻击模型的敏感性较低。实验
PDF6 days ago
拓扑保持损失用于准确且解剖上一致的心脏网格重建
本研究解决了现有基于变形的方法在心脏网格重建中存在的拓扑不一致性问题，特别是膜穿透，影响了重建网格的解剖合理性。提出的拓扑保持网格损失（TPM Loss）通过显式实施拓扑约束，在保持高分割准确度和改善网格保真度的同时，减少了最多93.1%的
PDF6 days ago
MapQA：基于地图数据的开放领域地理空间问答
本研究解决了现有地理空间问答数据集在规模和多样性方面的局限，提出了MapQA这一新型数据集，包含了地理实体几何信息以增强问答能力。通过使用SQL查询模板从OpenStreetMap提取问答对，MapQA扩展了地理空间问题类型的数量和多样性。
PDF6 days ago
正确奖励在联邦学习中的最佳时机
本研究解决了联邦学习中关键学习阶段（CLPs）内低质量贡献对全局模型学习效果的负面影响的问题。我们提出了一种基于时间的激励机制“正确奖励正确时机”（R3T），旨在鼓励客户在关键学习阶段积极参与并分享高质量的模型更新。实验结果表明，该机制显著
PDF6 days ago
视频动作差异化
本文提出了视频动作差异化（VidDiff）这一新任务，旨在识别同一动作视频之间的细微差别，填补了该研究领域的空白。通过构建包含549对视频的VidDiffBench基准数据集，本文展示了对先进的多模态模型的挑战，并提出了一种三阶段的方法来解
PDF6 days ago
改善遥感视觉语言模型零样本泛化的方案
本研究针对遥感领域视觉语言模型在数据集多样性不足的挑战，提出了两种新颖的图像-文本配对数据集，旨在提高模型的零样本泛化能力。通过预训练MaMMUT视觉语言模型，研究展示了其在知名公共基准上的优秀跨模态检索性能，并引入了一种新的平滑注意力操作
PDF6 days ago
条件独立性在掩蔽图自编码器中的应用：CIMAGE
本研究旨在解决现有自监督学习方法在图神经网络中使用随机掩蔽策略时未能充分捕捉任务相关信息的问题。提出的CIMAGE方法利用条件独立性指导潜在空间的有效掩蔽策略，通过无监督图聚类生成的高置信度伪标签，改善了掩蔽信息的相关性与冗余性，从而优化了
PDF6 days ago