自主智能软件开发
该研究提出了使用主动推理的一种新型车辆跟随建模方法,该方法具有与数据驱动的模型相当的行为灵活性,同时保持可解释性。通过基准分析,该模型被证明可以显着地预测驾驶控制,并表明需要进一步研究以建立行驶风格并利用更多样化的数据集进行模型训练。
Mar, 2023
通过采用混合方法,研究了数名在线和远程学习学生对假想智能助手(AIDA)设计的认知。所有参与者对使用此类人工智能工具在学习过程中的实用性达成了一致,同时还提到了实时帮助和问题解答、学术任务支持、个性化和可访问性,以及情感和社交支持等方面的优点。与实施 AIDA 相关的关切包括伦理和社会影响、数据隐私和使用、操作挑战、学术完整性和滥用问题以及教育的未来。探讨了面向人工智能定制系统设计的相关启示。
Feb, 2024
LIDA 是第一个可以从原始文本开始处理的对话注释系统,可支持任意机器学习模型并具有专用界面解决标注者间的不一致,是一款能提高交谈数据注释速度和质量的注释工具。
Nov, 2019
AutoDev 是一个全自动化的 AI 驱动的软件开发框架,旨在实现复杂软件工程任务的自主规划和执行,通过自动化的方式执行任务并确保安全和用户控制的开发环境。
Mar, 2024
AI2Apps 是一个具有全周期能力的视觉集成开发环境,旨在加速开发人员构建可部署的基于 LLM 的人工智能代理应用。通过将完备的开发工具集和直观的可拖放组件相结合,AI2Apps 确保了开发的高效和流畅。一项扩展插件系统 AAE 展示了新插件如何使 Web 代理模拟类似于人类浏览行为,通过我们的案例研究,证明了 AI2Apps 在调试复杂多模态代理时,减少了 90%的令牌消耗和 80%的 API 调用,其在线演示、开源代码和屏幕录像视频现已公开访问。
Apr, 2024
我们提出使用视觉语言和大型语言模型的最新进展设计自动数据引擎(AIDE),以自动识别问题、高效筛选数据、通过自动标注改进模型,并通过生成多样化场景验证模型,从而实现模型的持续自我改进。我们还在自动驾驶数据集上建立了一个开放世界检测基准,全面评估各种学习范式,并展示了我们方法在减少成本的基础上具有卓越性能。
Mar, 2024
基于预训练语言模型的交互式写作助手 IGA,可以通过标记进行 fine-grained 的文本生成和改写,在自动和人工评估以及小规模用户研究中表现良好,同时公开了数据集、代码和演示。
Apr, 2021
该论文介绍了一个名为 LIDA 的工具,它采用基于大型语言模型和图像生成模型的管道,将可视化生成形式化为一个多阶段生成问题,能够支持数据和目标的语义理解、可视化目标枚举和可视化规范的生成,LIDA 提供了 Python API 和混合用户界面用于交互式图表、信息图表和数据故事生成。
Mar, 2023
Araida 是一种基于类比推理的方法,可以提高交互式数据注释的自动注释准确性,并减少人工校正的需求,通过动态协调注释模型和最近邻(KNN)模型,显著减少人工校正劳动力。
May, 2024