Feb, 2024

为企业 AI 采用设计多步骤行动模型

PDF
TL;DR介绍了 Empsing 设计的闭源 AI 模型 —— 多步骤行动模型（MSAM），以解决妨碍企业 AI 采用的挑战。通过全面审查，探讨了 MSAM 的基本原理、设计架构和未来发展。通过严格的测试方法评估 MSAM 的性能，并设想其对推进组织内 AI 采用的潜在影响。
发现论文，激发创造
  • 增强 Numeric-SAM 以用于少样本学习

    N-SAM * 算法通过观察学习出所有行动至少在某些状态下可行，而不妨碍返回的行动模型的安全性，相较于 N-SAM 算法返回的行动模型，N-SAM * 算法在解决问题方面取得显著的进展。

    Dec, 2023

  • 多步对话工作流行为预测

    在任务导向对话中，我们提出了多步骤工作流动作预测的新问题，系统需要根据一套指导方针遵循一个流程来完成任务。我们提出了三种简单易实现且可以实现更多自动化操作的建模方法，并证明多步骤动作预测能够提高下游对话任务的准确性，可以在不需要人为监督的情况下将步骤的自动化程度提高 20%。

    Nov, 2023

  • 实现用于上下文丰富智能应用的自动化软件演化的数据到产品多模态概念框架

    该研究提出了一个概念性框架来实现自动化软件演化，强调多模态学习的重要性。基于该框架，开发了一种选择性顺序范围模型（3S）模型，用于对不同软件工程阶段和多模态学习任务进行分类。该研究为更高级的自动化软件演化奠定了基础，并可作为实践者进入该领域的实用指南。此研究虽然针对智能应用，但框架和分析方法也可适用于其他类型的软件，随着人工智能为其生命周期带来更多智能。

    Apr, 2024

  • 针对组织中对人工智能的理解和采用的能力评估模型

    本文提出了一个五层级的 AI 能力评估模型和相关的 AI 能力矩阵，以帮助实践者理解和采用 AI。这些实用工具旨在为商业高层管理人员、技术人员和其他组织利益相关者提供 AI 能力要求的信息，以实现在机构中最佳使用 AI 的核心能力维度，包括商业、数据、技术、组织、AI 技能、风险和伦理考虑等方面的考虑。

    May, 2023

  • 一个集成的多智能体系统用于非线性分类

    smapy 是一种基于集成学习和自适应多智能体系统的移动性预测实现方案，并提出了一种详细的方法，通过系统的合作学习方法的使用，证明可以在非线性分类环境下使用线性模型，并在交通模式检测数据集上实现了良好的表现。

    Sep, 2022

  • 任务导向式对话的多动作策略建模

    本文比较了多种模型在预测每个对话回合多个 Dialog Management 决策动作方面的性能，并提出了一种基于 gCAS 模型的新策略模型，实验结果表明 gCAS 模型优于其他模型。

    Aug, 2019

  • SAM + 算法学习随机世界动作模型示例

    对 SAM + 算法在简化版的 Coffee 问题 PPDDL 版本中的应用及结果进行了描述。

    Mar, 2022

  • 黑盒顺序决策系统的自主能力评估

    本文提出了一种能够有效描述黑盒决策系统能力的主动学习方法，并证明了该方法的收敛性和少许示例的普适性。

    Jun, 2023

  • 交互式代理基础模型

    提出了一种交互式代理基础模型，采用新颖的多任务代理训练范式，实现了跨领域、数据集和任务训练 AI 代理的能力，展示了其在机器人技术、游戏 AI 和医疗保健领域的性能，支持多模态和多任务学习。

    Feb, 2024

  • 通过多阶段不确定性感知推断维护用户信任

    描述和评估了一种多阶段的 AI 部署方法，通过各个阶段采用更准确的推理方法，但是每个阶段的参与都会增加成本。在阐述该架构时，我们提出了一种量化模型不确定性的方法，以便于自信地推迟决策。该架构目前正在印度数千名棉农中进行积极部署，而更广泛的思想适用于挑战性低资源环境中的 AI 部署的不断增长的领域。

    Dec, 2023