AI 论文速递

最新

基于时间谱的攻击流量识别方法
本文针对现有网络攻击检测与识别模型存在的鲁棒性不足、特征不稳定和数据噪声干扰的问题，提出了一种基于时间谱的攻击流量检测与识别方法。通过滑动窗口对流量数据进行分段，构建特征序列，并运用新提出的谱标签生成方法，将标签序列转化为谱标签，进而提高了
PDF4 days ago
FM-TS：用于时间序列生成的流匹配
本研究解决了时间序列生成中的计算复杂性和依赖复杂随机过程的问题。提出的FM-TS框架通过直接优化连续轨迹，简化了生成过程，并且支持条件和无条件时间序列生成。研究显示，FM-TS在训练和推理效率上优于现有方法，同时在多项基准测试中展现了卓越的
PDF4 days ago
用于磁共振成像引导放射治疗的新型自动实时运动跟踪方法：利用增强的跟踪-学习-检测框架与自动分割
本研究针对磁共振成像引导放射治疗中的运动跟踪精度问题进行了改进，提出了一种结合增强跟踪-学习-检测框架与改进的Chan-Vese模型的自动实时运动跟踪方法。测试结果表明，该方法在运动跟踪和分割的精确性上显著优于现有技术，具有极高的适应性，对
PDF4 days ago
LAuReL：学习增强残差层
本研究针对深度学习模型中残差连接的效率和性能提升问题，提出了一种新的方法——学习增强残差层（LAuReL），旨在作为传统残差连接的替代，实现更优的模型质量和占用率。实验结果表明，LAuReL在视觉和语言模型上均表现出显著的性能提升，其在Re
PDF4 days ago
LAUREL：学习增强残差层
本研究解决了现有残差连接的不足，提出了一种新的通用形式——学习增强残差层（LAuReL），旨在作为传统残差连接的替代方案，能够在模型质量和参数占用上实现更佳表现。实验结果表明，LAuReL能够显著提升视觉和语言模型的性能，尤其在ResNet
PDF4 days ago
快速响应：通过少量示例缓解大型语言模型越狱攻击
本研究解决了大型语言模型（LLMs）在面对越狱攻击时的安全性问题，提出了一种新的快速响应方法，可以在观察到少数攻击示例后，阻止多个越狱类别。我们的研究表明，精细调优输入分类器的有效方法显著降低了攻击成功率，显示了快速应对新型越狱攻击的潜力，
PDF4 days ago
使用部分信息分解量化知识蒸馏
本研究解决了知识蒸馏过程中信息转移的理论极限问题。通过引入部分信息分解的方法，量化了教师模型表示中可蒸馏与已蒸馏知识的量，并证明该指标可以有效应用于蒸馏过程中，缓解教师与学生模型表示之间的复杂性差距。这为资源受限环境下机器学习模型的部署提供
PDF4 days ago
通过模糊图注意网络和动态负采样增强链接预测
本研究解决了传统图神经网络在链接预测中随机负采样导致的性能不足问题。提出了模糊图注意网络（FGAT），结合模糊粗集进行动态负采样和节点特征聚合，显著提升了训练效率和准确性。实验表明，FGAT在研究合作网络中的链接预测精度优于现有的先进方法，
PDF4 days ago
GUS-IR：用于逆向渲染的统一阴影高斯散射
本文提出的GUS-IR框架解决了逆向渲染中复杂场景（如粗糙和光滑表面）的物理属性重建问题。通过综合前向阴影和延迟阴影的优点，本文提供了一种统一的阴影解决方案，同时改善了几何表示和形状重建。实验结果表明，GUS-IR在内在分解和几何表示方面表
PDF4 days ago
多语种语言模型中句法知识的受控评估
本研究解决了低资源语言中语言模型对句法概括能力理解不足的问题，通过针对性句法评估测试，对巴斯克语、印地语和斯瓦希里语进行评估。研究发现，模型在某些句法任务上表现良好，而在其他任务（如巴斯克语中的间接宾语一致性）上则面临挑战，并揭示了现有转换
PDF4 days ago
半真相：用于评估AI生成图像检测器鲁棒性的中大型AI增强图像数据集
本研究解决了AI增强图像检测器在识别不同增强水平的图像时的有效性问题。通过推出SEMI-TRUTHS数据集，包含27,600张真实图像和大量增强图像，提供了一种针对检测器鲁棒性标准化评估的新方法。研究结果表明，现有检测器对各种扰动和增强方法
PDF4 days ago
IdentifyMe：一项具有挑战性的长文本提及解析基准
本研究针对传统输出格式和评估指标无法充分捕捉大规模语言模型（LLM）在共指解析中的参照理解这一问题，提出了新的基准IdentifyMe，该基准采用多项选择题形式并包含长篇叙述。通过提供不同类型的提及和相应的实体，我们细致评估了模型性能，并发
PDF4 days ago
预算ML代理：一种经济高效的LLM多代理系统，用于自动化机器学习任务
本研究针对现有LLM单代理系统在复杂机器学习任务中表现不佳的问题，提出了一种基于LLM多代理的系统方案。该方案结合了专家组合、有效的信息检索、LLM级联和咨询专家的调用，实现了显著降低成本，并在机器学习工程任务中取得了更高的成功率，表明其在
PDF4 days ago
多模态分割与增强视觉基础模型、卷积神经网络及不确定性量化的高速视频相位检测数据
本研究解决了传统分割模型在多模态数据中面临的像素级精度和泛化问题，提出了一种名为VideoSAM的混合框架，结合了卷积神经网络与基于变换器的视觉模型，提高了复杂高速视频相位检测任务中的分割准确性与泛化能力。研究发现，该框架在复杂的相位边界和
PDF4 days ago
多参考图像合成：MureObjectStitch
本研究针对生成图像合成中的背景图像与前景对象再生的有效性问题，提出了一种有效的微调策略，利用一个或多个包含相同前景对象的图像对预训练模型进行微调。研究发现，通过多参考图像策略，模型能够显著提高合成图像的真实感，验证了该方法的有效性。
PDF4 days ago
BLIP3-KALE：知识增强的大规模密集字幕
该研究解决了描述性合成字幕与事实性网页规模替代文本之间的差距，提出了一种新的KALE数据集，该数据集包含2.18亿对图像-文本对。通过结合合成密集图像字幕和网页规模替代文本的两阶段方法，生成了具备事实依据的图像字幕，实验表明KALE数据集能
PDF4 days ago
解码提示：当大型语言模型遇到错误前提时减少幻觉
本研究探讨大型语言模型(LMs)在遇到错误前提时容易产生偏离事实的幻觉输出的问题。我们提出了一种新的提示算法“解码提示(DecoPrompt)”，旨在通过解码错误前提提示以减少幻觉的生成。实验结果表明，DecoPrompt能够有效降低不同L
PDF4 days ago
基于分层多粒度分类网络的核电一、二回路故障诊断研究
本文解决了核电系统故障诊断中现有方法局限于单一设备或子系统的问题，提出了一种基于EfficientNet的大型模型的分层多粒度分类故障诊断模型。研究表明，该模型能够有效地对核电单元不同电路和系统组件的故障进行分层分类，具有提升核电站安全可靠
PDF4 days ago
优化数据传递：用户对图表、表格和文本的偏好洞察
本研究针对用户在特定问题下对图表、表格或文本的偏好进行了分析，揭示了用户个体特征对数据输出偏好的影响。通过用户研究，我们发现理解用户特征对偏好的影响对于提升数据工具的用户体验至关重要。此外，我们探讨了大型语言模型（LLM）在复制用户偏好方面
PDF4 days ago
追根溯源：利用扩散轨迹中的时间动态进行来源归属
本文解决了图像合成中的一个关键问题，即如何识别生成图像的来源。通过对扩散轨迹的深入研究，提出了一种新颖的分类方法，利用逐步生成过程中的模式，实现图像的有效分类。研究结果表明，使用高阶梯度特征来表征轨迹可以显著提高性能，促进更稳健的算法发展。
PDF4 days ago