AI 论文速递

最新

在线语言溅射
本研究解决了AI代理在3D环境中与人类互动时语言与空间表示对齐的挑战。我们提出了在线语言溅射框架，实现了近实时的开口词汇映射，而无需预生成的语言特征。实验结果表明，该方法不仅在准确性上超越了现有的离线方法，还提升了效率超过40倍，展示了其在
PDF3 days ago
稀疏自编码器作为零样本分类器用于文本到图像扩散模型中的概念抹除
本研究解决了文本到图像扩散模型在生成有害或误导性内容时面临的概念抹除问题。提出的“解释后停用”（ItD）框架通过稀疏自编码器实现了精确的概念移除，同时保持了生成性能。实验结果表明，ItD能够有效消除目标概念而不干扰正常的概念生成，且对抗性提
PDF3 days ago
Astrea：基于 MOE 的逐步对齐视觉理解模型
本研究解决了多模态理解中任务异质性和专家负载不平衡的问题。提出的Astrea模型通过逐步预对齐的创新方法，结合了多个专门模型，提高了视觉与语言信息的整合能力。实验证明，该模型在多个基准任务中的表现相比现有先进模型提高了平均4.7%，为通用多
PDF3 days ago
PromptMap：一种基于AI的图像生成的新交互风格
本研究针对新手用户在生成图像时撰写有效提示的困难，提出了PromptMap作为一种新的文本到图像AI交互风格。PromptMap通过语义缩放的地图式视图，让用户自由探索大量合成提示，从而帮助他们获取相关示例、提升提示创作的能力。研究发现，P
PDF3 days ago
CASTLE：针对CWE检测的静态代码分析器和大规模语言模型的基准数据集
本研究解决了在关键软件组件中识别源代码漏洞的问题，提出了一种名为CASTLE的基准框架，用于评估不同方法的漏洞检测能力。研究结果发现，尽管静态分析器在检测小代码片段的漏洞方面表现良好，但在处理复杂问题时效果不足，表明大规模语言模型在未来安全
PDF3 days ago
高精度单细胞转录组分析与生成的多模态语言建模
该研究解决了现有单细胞分析方法中缺乏有效多模态处理的问题。通过提出单细胞多模态生成预训练变换器（scMMGPT），结合了细胞数据和文本的最新预训练语言模型，实现了跨模态知识共享。研究表明，scMMGPT在共同的细胞和文本任务中显著提升了性能
PDF3 days ago
基于人工智能的坚固模型驱动连接器配合框架在机器人线束安装中的应用
本研究解决了工业机器人在汽车制造中线束安装仍主要依赖人工的问题，提出了一种创新的基于人工智能的框架，通过结合力控制和深度视觉触觉学习，实现连接器的自动配合。实验结果表明，该框架显著提高了周期时间和鲁棒性，具有重要的潜在应用价值。
PDF3 days ago
多智能体图像修复
本研究关注于复杂的图像修复问题，旨在解决现有模型在处理多种退化类型时的不足。通过提出一种多智能体的框架，MAIR有效分类并顺序反转三种实际退化类型，从而提高图像质量并降低推断成本。实验结果表明，MAIR在性能和效率上超过了之前的智能体图像修
PDF3 days ago
ForAug：重组前景和背景以改善视觉变压器训练中的偏差缓解
本研究解决了视觉变压器(ViTs)在大规模图像分类中对数据需求高、偏差影响鲁棒性和可泛化性的问题。文章提出了一种新颖的数据增强方案ForAug，通过预训练基础模型分离和重组前景对象与不同背景，显著提高了数据多样性，从而提升了ViTs及其他架
PDF3 days ago
Close-up-GS：通过渐进自我训练增强3D高斯分布的特写视图合成
本研究解决了3D高斯分布在生成特写视图时的表现下降问题，特别是在视角与训练视角显著偏离时。论文创新性地提出了一种通过自我生成数据渐进训练3DGS模型的方法，并通过结合See3D模型和改进的参考视图策略，显著提升了合成视图的细节质量，验证结果
PDF3 days ago
面向下一代推荐系统：个性化推荐助手的基准测试与大语言模型的结合
本研究针对传统推荐系统在新颖推荐任务中的局限性进行了探讨，提出了RecBench+数据集，以评估大语言模型（LLMs）在处理复杂用户推荐需求方面的能力。研究发现，LLMs能够作为推荐助手，但在处理需要推理或包含误导性信息的查询时仍面临挑战。
PDF3 days ago
基于注意力机制的猪行为数据集与时空感知增强网络
本研究针对当前猪行为识别领域缺乏公开行为数据集的问题，提出了一个包含13种影响猪福利的行为的数据集。同时，基于该数据集，提出了一种结合时空感知与增强的网络，显著提升了模型对猪行为的识别准确性和泛化能力，实验结果显示该模型在该数据集上的MAP
PDF3 days ago
通过知识整合重新审视医学图像检索
本研究解决了医学图像检索中现有方法对于复杂嵌入物的哈希函数学习不足的问题。我们提出了一种新的方法，通过深度感知表示融合和结构感知对比哈希来整合层次特征，以增强正负样本的适应性。这项工作显著提高了医学图像检索的效果，特别在解剖放射学数据集上实
PDF3 days ago
基于少样本学习的成员推断攻击以检测隐私泄漏，解决数据完整性问题
本文研究成员推断攻击（MIA）在深度学习模型中的隐私泄漏问题，并提出将少样本学习技术与MIA结合，以提升隐私风险评估的有效性。研究中提出的FeS-MIA模型显著减少资源需求，结合可解读的Log-MIA评估指标，有助于更好地评估深度学习模型的
PDF3 days ago
RetSTA：基于大型语言模型的临床眼底图像报告标准化方法
本研究针对临床眼底诊断报告缺乏统一标准的问题，提出了一种双语标准术语构建的方法，并建立了两个模型，分别为RetSTA-7B-Zero和RetSTA-7B。研究表明，RetSTA-7B在报告级别标准化方面取得了首次成功，并在双语标准化任务中超
PDF3 days ago
分布式深度学习的自动操作级并行规划——混合整数规划方法
本研究解决了当前分布式深度学习中的并行化规划问题，尤其是在处理复杂非线性架构时的挑战。通过将并行规划形式化为调度优化问题并采用混合整数规划方法，提出了一种双层解决框架，能够自动生成有效的分布式计划。实验表明，该框架在计算效率上优于现有专家设
PDF3 days ago
MOAT：评估大型多模态模型在能力整合和指令基础上的表现
本研究针对现有大型多模态模型（LMMs）在人类复杂任务表现上的差距，提出了MOAT这一基准测试，旨在评估LMMs在多种真实世界视觉-语言（VL）任务中的能力整合与指令理解能力。研究发现，人类在MOAT测试中的准确率为82.7%，而表现最好的
PDF3 days ago
更安全还是更幸运？大型语言模型作为安全评估者对伪影不具鲁棒性
本研究探讨了大型语言模型（LLM）在安全评估中的可靠性，发现其对输入伪影的敏感性导致偏见，显著影响了对内容安全性的评价。研究提出了基于多个模型的评审方法，以提高评估的一致性和与人类判断的对齐，但伪影敏感性仍然存在，凸显了亟需更为多样化和抗伪
PDF3 days ago
NVP-HRI：基于自然语音和姿态的零样本人机交互
本研究解决了现有的人机交互系统在面对新对象时的局限性，尤其是在老年群体中遇到的记忆和交互困难。论文提出了NVP-HRI，这是一种直观的多模态人机交互范式，结合了语音命令和指示性姿态，并利用Segment Anything Model进行精确
PDF3 days ago
CyberLLMInstruct：用于分析微调大语言模型安全性的新数据集
本研究解决了大型语言模型在网络安全应用中引发的安全风险问题，通过开发名为CyberLLMInstruct的数据集，包含54,928个指令-响应对，用于常见的网络安全任务。我们发现，微调模型的安全性会降低，但在CyberMetric基准测试中
PDF3 days ago