AI 论文速递

最新顶会 ChatGPT

机器人中的 NeRF：一项综述
我们的调查分为两个主要部分：Neural Radiance Field 在机器人领域的应用和 Neural Radiance Field 在机器人领域的进展，从 Neural Radiance Field 进入机器人领域的角度。在第一部分中
PDF4 days ago
ICLRSynFlowNet: 朝着具备保证的合成途径的分子设计
基于生成模型的分子生成模型在药物发现方面取得了突破。通过使用具有化学验证的反应和反应物的动作空间，SynFlowNet 模型能够构建具有合成可行性的新分子，并且在多样性和高效性方面表现出色。
PDF4 days ago
IntervenGen：强化和高效机器人模仿学习的干预数据生成
通过 IntervenGen (I-Gen) 数据生成系统，只需借助少数人工干预，便能自主生成大量具有状态空间丰富覆盖的纠正干预数据，从而将策略的鲁棒性提高多达 39 倍。
PDF4 days ago
ICLR修正生物和人工神经网络中偏差的中心核对齐度测量
利用 fMRI 和 MEG 数据，本文揭示了如果在低数据高维度领域中使用偏向 CKA 作为对齐度量标准，则它们由于偏向 CKA 对不同特征 - 样本比率的敏感性而无法直接比较，结果将高度相似，甚至对于随机矩阵对。只有使用去偏 CKA 才能实
PDF4 days ago
大型语言模型和 ChatGPT 的循环脉冲神经网络的 Verilog 设计
探索使用大型语言模型（LLMs）自动生成硬件描述代码的潜力，以支持和增强高效的神经形态计算架构的开发，并通过三个案例研究验证其可行性和实施性。
PDF4 days ago
MTDT：多任务深度学习数字孪生
交通拥堵对经济和环境都有重大影响。本文提出了多任务深度学习数字孪生技术（MTDT）作为解决复杂和精确的交通流模拟问题的方法，能够准确估计传感器波形时间序列以及多个评估指标，并通过多任务学习增强了效率和性能。
PDF4 days ago
SATO: 稳定的文本到动作框架
研究发现了文本到动作模型的重要问题，并建立了不稳定的模型输出与文本编码模块的注意力模式之间的明确联系。因此，引入了一个稳定的文本到动作框架（SATO），其中包括稳定的注意力、稳定的预测和平衡准确性和稳健性之间的模块。验证模型的稳定性时，引入
PDF4 days ago
一种具有对数复杂度和遗憾保证的在线基于梯度的缓存策略
我们引入了一种基于梯度的在线缓存策略，相对于目录大小具有对数计算复杂度，同时提供遗憾保证，能够在实时决策和最佳后见选择之间最小化性能差距。
PDF4 days ago
自然语言句子之间蕴含和矛盾关系的识别：一种神经符号方法
提出了一个基于将文本转换为抽象意义表示（AMR）图的新型流水线，通过预训练的 AMR 解析器将 AMR 图转换为命题逻辑，并使用 SAT 求解器进行自动推理，引入了松弛方法以允许替换或遗忘某些命题。实验结果表明该流水线在四个 Recogni
PDF4 days ago
HandSSCA: 从 RGB 图像中估计的 3D 手部网格重建
通过引入状态空间建模到手部姿态估计领域，我们提出了一种简单高效的三维手部网格重建网络 HandSSCA，其中设计了一种新颖的状态空间通道关注模块来提取空间维度上的手部特征并增强通道维度上的手部区域特征，实验结果表明我们的 HandSSCA
PDF4 days ago
通过扰动损失特征提升自动语音识别模型审计中的成员推断
该研究探索了在自动语音识别模型中，利用基于损失的特征与高斯和对抗性扰动进行成员推断 (MI) 的有效性。与常用的基于错误的特征相比，我们提出的特征大大增强了样本级 MI 的性能。对于说话人级 MI，这些特征也改善了结果，尽管改进幅度较小，因
PDF4 days ago
在多任务框架中的低资源爱尔兰语语音识别和方言识别
使用中级 CTC (InterCTC) 训练的混合 CTC/Attention 编码器 - 解码器模型，探索了爱尔兰 (盖尔语) 低资源语音识别 (ASR) 和方言识别 (DID)。通过与目前在 ASR (TDNN-HMM) 和 DID (
PDF4 days ago
ICLRPlan-Seq-Learn: 语言模型引导强化学习解决长时程机器人任务
利用大型语言模型（LLMs）和运动规划，提出了一种模块化方法 Plan-Seq-Learn（PSL），将抽象语言和学习到的低级控制相结合，从头开始解决长期目标的机器人任务，并在超过 25 个具有挑战性的机器人任务中取得了最先进的结果。
PDF4 days ago
FeNNol：一种高效且灵活的用于构建力场增强神经网络势函数的库
FeNNol 是一个新的库，用于构建、训练和运行增强力场神经网络势能，它提供了一个灵活和模块化的系统，使得能够轻松地将最先进的嵌入与机器学习参数化的物理相互作用项相结合，无需编程，同时利用 Jax Python 库的自动微分和即时编译功能以
PDF4 days ago
通过分支辅助规则改善注视估计中的领域通用化
通过引入支离破碎辅助正则化（Branch-out Auxiliary Regularization，BAR）方法，提升注视估计的泛化能力，无需对目标域数据进行直接访问，通过整合两个辅助一致性正则化方法，增强核心网络的能力并易于适应其他模型，
PDF4 days ago
NeMo-Aligner：高效模型对齐的可扩展工具包
用于大规模语言模型对齐的 NeMo-Aligner 工具包可以高效地扩展到使用数百个 GPU 进行训练，支持 Reinforcement Learning from Human Feedback (RLHF)、Direct Preferen
PDF4 days ago
使用全卷积网络对经过处理和未经处理的肿瘤球体进行图像分割
利用 UNet 和 HRNet 两种完全卷积网络，并优化其超参数，实现了对未经处理和处理后的多细胞瘤球的自动分割，通过与手动分割的重叠度验证，得出重叠度在 90% 左右，这个误差与不同生物专家的分割之间的差异相当，表明这些图像代表着生物学上
PDF4 days ago
基于全局 - 局部信息协同的单图像超分辨率
提出了一种新颖的超分辨率重建算法，通过独特的设计大幅提升了准确性，同时保持了低复杂度，该算法核心在于巧妙设计的全局 - 局部信息提取模块和基本块模块，通过结合全局和局部信息，实现了对图像内容更全面的理解，准确地恢复了图像的全局结构和局部细节
PDF4 days ago
图神经网络性能特征的更深入理解中模型检验的重要性
该研究通过比较性能分析的一部分强调了进行全面模型检查的重要性。在这里，我们研究了模型选择对应用于脑形态分类任务的图神经网络的特征学习特性的影响。特别地，我们分析了使用参数高效、共享图卷积子模型与结构特定、非共享子模型的影响。此外，我们评估了
PDF4 days ago
基于广义 3DTV 和张量 CUR 分解的高光谱波段选择
该研究提出了一种新的高光谱波段选择模型，通过将数据分解为低秩平滑组分和稀疏组分，采用广义三维总变差（G3DTV）和交替方向乘子法（ADMM）来提高计算效率和抑制空间 - 光谱平滑性，验证了该方法的有效性，并提供了参数选择的实用指南。
PDF4 days ago