- AI 系统的身份识别
提出一个框架,在其中为 AI 系统的实例分配标识,并为寻求与该系统交互的各方提供相关信息。讨论了 AI 系统的标识、潜在需求、激励机制、实现方式以及限制和风险,并指出在高风险场景下更有必要使用标识。通过进一步研究,标识可以帮助管理人工智能系 - 基于类别无关配准学习的少样本异常检测
利用一种新颖的少样本异常检测(Few-Shot Anomaly Detection,FSAD)框架,该框架基于注册作为自监督类别无关表示学习的代理任务,并通过将测试图像的注册特征与其对应支持图像特征进行比较来识别异常,使模型能够泛化到新的测 - KDD参数化联合持续学习与可复现研究
我们提出了一个可完全配置的框架 Freddie,用于解决分布式连续学习领域中存在的性能问题,该框架结合了实验最佳实践,能在大量机器上无缝部署,并通过两个使用案例验证了其有效性。
- 通过文本在 ViTs 中分解和解释图像表示 超越 CLIP
我们提出了一个通用框架,能够识别不同模型部件在视觉转换器(ViTs)中的作用,并通过文本解释。应用于多种 ViT 变种,获得不同组件在特定图像特征方面的作用,以促进图像检索、可视化令牌重要性热图和减轻错误相关性等应用。
- 深度强化学习的生成式人工智能:框架、分析与应用案例
使用生成式人工智能(GAI)来提高深度强化学习(DRL)算法的性能,解决样本效率低和泛化能力差的问题,通过介绍经典的 GAI 和 DRL 算法及其应用,并展示了 GAI 增强 DRL 算法的实际集成框架,提供了一个基于无人机辅助的近场 / - FTS:寻找忠诚时筛的框架
我们提出了一个旨在解决 TimeSieve 中不可靠性问题的框架,旨在提高模型的稳定性和可靠性,确保输出对上述因素的影响较小。实验证实了我们提出的框架的有效性,展示了模型行为的改进。我们计划扩大实验范围,进一步验证和优化我们的算法,以确保在 - 安全性通过可行性:快速而安全的强化学习的防护构建
在这篇论文中,我们提出了一种基于许可性的框架,用于处理安全性和屏蔽构建,并展示了其在三个标准强化学习应用中的有效性。
- RLeXplore: 加速内在动机驱动的强化学习研究
在复杂环境中,由于设计和注释的高人力成本,外部奖励通常无法满足需求,这强调了内在奖励的必要性,通过提供辅助和密集的信号使代理能够无监督学习。本研究引入了一个统一的、高度模块化且可插拔的框架 RLeXplore,提供了八种先进内在奖励算法的可 - 基于机器学习的安卓开源项目易受攻击代码更改预测
本文提出了一个能够有选择地触发源代码的安全审查的框架,通过作为代码审查服务中的审查机器人,该框架能够在代码更改提交到源代码存储库之前,在提交前自动请求额外的安全审查。该框架使用经过训练的分类器来识别具有漏洞的代码更改,采用多种类型的输入特征 - G3:基于大规模多模态模型的全球地理定位的有效和自适应框架
提出了基于检索增强生成 (RAG) 的 G3 框架,通过全球地理位置定位的几个步骤以优化检索和生成阶段,该框架在全球上下文中优于其他先进方法。
- PerSense:稠密图像中的个性化实例分割
通过大规模预训练,基于视觉的基础模型展现了显著的性能优势;本文提出了 PerSense,这是一个端到端的、无需训练的、模型无关的一次性框架,用于解决稠密图像中的个性化实例分割问题,并通过验证和比较实验证明了其有效性和适应性。
- FlashRAG: 一个高效的检索增强生成研究的模块化工具包
我们提出了 FlashRAG,一个高效且模块化的开源工具包,旨在帮助研究人员在一个统一的框架内复现现有的 Retrieval Augmented Generation 方法,并开发自己的方法。工具包实现了 12 种先进的 RAG 方法,并收 - Aequitas Flow:简化公平机器学习实验
Aequitas Flow 是一个用于 Python 的开源框架,用于端到端公平机器学习实验。该框架提供了公平模型训练、超参数优化和评估的流程,旨在提高公平机器学习实践的可扩展性和采用度。
- 绿色特斯林在特斯林机框架中的重新定义效率
Green Tsetlin 是一个易于使用的 Tsetlin Machine 框架,旨在降低复杂性并提供一个适用于经验丰富的从业者和初学者的可生产的 TM 实现。
- 关于通过扰动潜在表示进行文本分类的对抗性示例
通过使用分类器的梯度,我们创建了一个衡量文本分类器鲁棒性的框架。
- CVPRMaGGIe: 掩码引导渐进式人体实例抠图
我们提出了一种新的框架 MaGGIe,即遮蔽引导逐渐人物实例抠图(Masked Guided Gradual Human Instance Matting),该框架能够在保持计算成本、精确度和一致性的同时逐步预测每个人物实例的透明度抠图。我 - 将消歧和用户偏好融入大型语言模型中的机器人运动规划
该研究论文介绍了一个框架,可以解释人类包含时间元素的导航指令,并直接将其自然语言指令转化为机器人的运动规划。
- 生成 AI 版权挑战的经济解决方案
我们提出了一个框架,通过依靠现代生成型人工智能模型的概率性质和经济学中的合作博弈理论技术,按比例向版权所有者补偿其对人工智能生成内容的贡献,实现对生成型人工智能版权的解决。实验证明,我们的框架成功地识别了艺术品生成中使用的最相关的数据源,确 - 情绪刺激与提示设计的交会:一种自动提示图形范式
大型语言模型的自动启动图形范例 (Auto-Prompt Graphical Paradigm,APGP) 可以通过结合刺激和框架启动来提高 LLM 在多个领域中的问题解决能力,进而实现问题抽象、多样化解决方案生成、全面优化以及提供答案后的 - AntDT: 一种自适应的分布式培训框架用于领导者和延迟节点
该论文提出了一个统一的分布式训练框架 AntDT,用于自适应解决分布式训练中的延迟问题,并通过实验证明其在训练效率方面的优势。