Aug, 2023

推理与协作人工智能的构建基块

PDF
TL;DR通过引入 Flows 的概念框架，建立和研究结构化互动的系统化方法是非常重要的，研究表明结构化推理和协作能显著提高泛化能力，其中 AI Flows 的加成为 +21，人工智能和人类的协作加成为 +54（以解决率为指标），并且引入的 aiFlows 库可以支持快速且严谨的研究。
发现论文，激发创造
  • 在线多智能体流量联合微调

    在线联合微调流程的方法适用于复杂问题的解决方案生成，通过模拟器访问提供对决策的偏好，适用于多跳 QA 数据集 Musique 并取得最新成果。

    Jun, 2024

  • FlowQA：历史流程掌握在对话机器理解中的应用

    本文介绍了 FlowQA，一种基于 Flow 机制的会话式机器阅读理解模型，该模型可利用中间表示来整合之前的问答对，将序贯指令理解降为会话式机器阅读理解，并且在多个任务中表现出卓越的性能。

    Oct, 2018

  • FlowDelta: 建模对话机理解中信息获取的流动增益

    本文提出了一种显式建模对话推理信息增益的方法来更好地理解对话流程和理解其背后的上下文，其在 QuAC 和 SCONE 数据集上取得最先进性能，展示了该方法的有效性和其推广到不同 QA 模型和任务的能力。

    Aug, 2019

  • 图上的注意力流建模

    研究了处理现实场景需求的过程推理，通过设计了一组图形轨迹推理任务，基于图形网络，通过关注流机制提高准确性和解释性。

    Nov, 2018

  • 协作人工智能的层级框架

    我们提出了一个针对协同智能系统的分层框架，运用机器学习辅助，针对交互活动和信息共享的不同层次和挑战，包括传统工程方法和现代机器学习方法，最后探讨了沟通和理解共享、解释和社会协同等问题，总结出未来的研究挑战和为人类社会带来的经济和社会影响。

    Dec, 2022

  • 通用流程作为可扩展机器人学习的基础支持

    提出了一种基于预测流的机器人学习方法，能够实现在现实场景中稳定且高效的技能转移，涵盖了现实环境中的多个目标类别，通过利用大规模数据集实现了可扩展的普适机器人学习。

    Jan, 2024

  • 解构人工智能协作：主体性、互动和适应

    提出了一个新的统一维度的概念模型，围绕着机构、交互和调适三个高层面展开，通过文献调查和半结构化访谈的方法逐步完善和验证。最后，利用这个设计空间对选定的人工智能系统进行结构化描述。

    Apr, 2024

  • 可解释规划

    该论文探讨了人工智能的交互问题，提出了一种基于模型的 AI 规划方法，以实现人类与智能系统的有效沟通和协同解决问题的目标。

    Sep, 2017

  • 通往类人工智能的社交之路

    通过证据的汇集，展示了自然智能是通过不同尺度的互动网络中的智能集体、社会关系和主要进化转变而产生的，这些过程通过种群压力、军备竞赛、马基雅维利选择、社会学习和积累文化等机制促进了新数据的产生，将这些机制整合到智能代理的视角中，表明通过持续的新数据生成实现类人复合创新的可能路径。

    May, 2024

  • 人工智能中的快思慢想

    本研究提出借鉴认知理论以推进 AI 的研究方向，通过嵌入因果组件来获得适应性、推理能力、常识理解等人类决策能力，以期激发 AI 技术研究，进而更好地理解人类和机器智能。

    Oct, 2020