- AI 模型的组合学习调查:理论与实验实践
综述了有关计算模型和认知研究中的组合学习的文献,并连接了认知和语言模型在组合推理中面临的计算挑战。概述了形式定义、任务、评估基准、各种计算模型和理论发现,并介绍了大型语言模型的现代研究,以深入了解尖端人工智能模型展示的组合能力,并指出了未来 - 马尔可夫游戏和多智能体强化学习中的风险敏感性:一项系统综述
Markov games 和 multi-agent reinforcement learning 研究了多智能体系统中的决策制定模型。本文系统回顾了最近几年在 risk-sensitive MG 和 MARL 领域中增长的相关文献,并定义 - 大型语言模型对词汇的字符组成缺乏理解
该研究论文通过分析现代大型语言模型对字组成的理解能力,并与词级性能进行比较,展示了大多数大型语言模型无法可靠地完成甚至是人类能够完美处理的简单任务,进而讨论了未来研究的潜在方向。
- 传统单目标跟踪的超越:一项综述
单目标跟踪是许多关键领域应用的重要任务,尽管它仍被认为是最具挑战性的视觉任务之一。本文针对单目标跟踪的应用,提出了一种基于新技术和趋势的方法分类,并对广泛使用的跟踪基准中方法的性能进行了比较分析,同时分析了这些方法的优缺点,并提出了非传统技 - 基于深度学习的物体姿态估计:综述
基于深度学习的物体姿态估计的最新进展、挑战和未来研究方向的综述。
- 生成式人工智能时代的合成图像验证:暂有何窍门与何需进一步完善
该研究综述了关于合成图像的检测和归因方法,突出了它们的优点和局限性,同时指出并讨论了该领域的热门话题,概述了未来研究的有希望的方向。
- 虚假人工智能生成内容(FAIGC):理论、检测方法和机会综述
最近几年,大型语言模型和扩散模型等生成人工智能模型在内容生产方面产生了革命性的影响,其生成的内容已嵌入到日常生活和工作的各个方面,涵盖了文本、图像、视频和音频。尽管人工智能生成的内容的真实性越来越高,接近人类创作水平,但这些技术也导致了伪造 - 操纵推荐系统:投毒攻击与防御措施综述
该研究报告通过文献综述,提供了关于推荐系统中毒攻击和对策的新分类法,并对文献中描述的 30 多种攻击进行了整理。此外,对于检测和 / 或预防毒攻击的 40 多种对策进行了评估,评估了它们对特定类型攻击的有效性。该综述为保护推荐系统抵御毒攻击 - 比赛报告:在对齐的 LLMs 中发现通用越狱后门
大型语言模型的安全对齐问题是一个未来研究的重要领域,此处报告总结了关键发现和对未来研究的有前景的想法。
- 朝着真实的少样本关系抽取:新元数据集与评估
我们引入了一个元数据集,其中包括两个从现有的监督关系抽取数据集 NYT29 和 WIKIDATA(以及 TACRED 的 few-shot 形式)中派生的数据集。我们对六种最近的 few-shot 关系抽取方法进行了全面评估,观察到没有一种 - 传统模型与大型语言模型的机器遗忘:简要调查
通过提供深入探讨机器消遣技术的定义、分类和评价标准,以及不同环境下的挑战和解决方案,本文对传统模型和大型语言模型上的消遣进行分类和研究,提出了评估消遣效果和效率的方法以及性能测量标准。本文揭示了当前消遣技术的局限性,并强调了全面的消遣评估的 - 利用大型语言模型生成基础设施代码的调查
基础设施即代码(IaC)是一种在产业中获得显著重视的革命性方法,该方法通过使用机器可读代码来管理和提供 IT 基础设施,实现自动化、环境一致性、可重复性、版本控制、错误减少和可伸缩性提升。本研究调查了使用大型语言模型(LLMs)来解决自动生 - 工具究竟是什么?来自语言模型视角的调查
语言模型和工具的定义、应用场景、效率以及未来研究的挑战和可能性的综述。
- 机器反学习:分类、度量、应用、挑战与前景
数字个人数据是一项重要的资产,机器遗忘权利要求模型提供者根据用户的请求删除用户数据,机器去学习涉及到中心化和分布式模型下的去学习算法、近似去学习、验证和评估指标、不同应用中的去学习挑战和解决方案、以及针对机器去学习的攻击,期望通过全面调研描 - 使用数据增强和迁移学习在细粒度情感检测数据集上的大型语言模型
本研究旨在提高文本情感分类在 GoEmotions 数据集上的性能,解决在自然语言处理中检测微妙情感的挑战,并为未来研究提供有价值的见解和方向,包括合成该领域不同数据集上的方法和性能的综述论文的潜力。
- 深度学习用于 3D 人体姿势估计和网格恢复的综述
本文通过研究 200 多篇论文,全面回顾了过去五年中 3D 人体姿态估计和网格恢复领域的深度学习方法进展,包括单人和多人方法,以及基于显式模型和隐式表示的人体网格恢复方法,并提供了公开数据集上的比较结果,以及深入观察和激发未来研究方向。
- 基于扩散模型的图像编辑:一项综述
调查论文对使用扩散模型进行图像编辑的现有方法进行了全面的概述,包括理论和实践方面,并从多个角度对这些作品进行了彻底分析和分类,介绍了学习策略、用户输入条件以及可以实现的特定编辑任务的组合。此外,对图像修复和扩展进行了特别关注,并探讨了早期的 - 医学图像中的神经辐射场:挑战与下一步
神经放射场 (NeRF) 是计算机视觉中的一种开创性技术,通过从投影到二维图像数据中合成三维表示来为医学成像提供巨大潜力。然而,在应用于医学领域时,它们面临着特殊的挑战。本文对 NeRF 在医学成像中的应用进行了全面的研究,突出了四个潜在的 - 语言模型数据选择调查
该论文综述了大型语言模型、数据选择方法、经验证据、大规模数据选择研究和未来研究方向的相关领域,旨在为新老研究人员提供入门点,加速数据选择领域的进展。
- 关于解释不公正现象的概述
算法公平性和可解释性是实现负责任人工智能的基本要素。本文关注它们之间的相互关系,即最近受到越来越多关注的研究领域。我们首先提出了两种综合分类法,分别代表了公平性和解释两个互补的研究领域。然后,我们将用于公平性的解释分为三种类型:(a)用于增