- 现实世界中的实时深伪检测
该研究论文介绍了 “局部感知深度伪造检测算法”(LaDeDa),该算法使用单个 9x9 图像块作为输入,并输出其深度伪造得分。利用图像块级别的信息,LaDeDa 显著提高了检测的准确性,在当前基准测试中达到了约 99% 的平均准确率。此外, - 微调的「小型」LLM 在文本分类中仍显著优于零样本生成式 AI 模型
通过比较生成型 AI 模型和经过细调的 LLMs,在文本分类任务中,利用应用特定训练数据进行细调的模型表现优异,从而验证了生成型 AI 模型在兑现其承诺方面存在问题。
- 为多民族社区在灾难准备交流中定制生成式 AI 聊天机器人:拓展 CASA 模型
通过与 441 名佛罗里达州的黑人、西班牙裔和高加索居民进行一项实验,研究以 CASA 为范例和关于灾害脆弱性和文化调适的文献所驱动的不同原型的 GPT 4 生成 AI 聊天机器人如何向各种不同居民传递飓风防灾信息,计算分析聊天记录(N = - 生成 AI 虚构率估计
这项工作是关于使用生成性人工智能估计上下文学习(ICL)的幻觉率。我们开发了一种新方法,用于估计条件生成模型在 ICL 问题上生成幻觉的概率。我们在合成回归和自然语言 ICL 任务上对我们的方法进行了实证评估。
- 社交和电商推荐系统中生成式 AI 的应用调查 -- 行业观点
最近,生成式人工智能(GAI)由于其新兴能力,呈现了增强和改革产业推荐系统(Recsys)的独特机会。尽管在这些领域的交叉研究越来越多,将 GAI 整合到工业 Recsys 中仍处于初级阶段,主要是由于现代工业 Recsys 基础设施、运营 - CVPR潜在方向:生成式人工智能中的偏见缓解简单路径
通过学习潜在空间中的方向并仅修改扩散过程中提供的初始高斯噪声,我们的工作引入了一种新方法,实现多样性和包容性合成图像,这成功地适应了各种去偏差场景,如地理偏差。
- 使用生成式人工智能(AI)重新发现城市漫步的体验与设计
通过一项初步研究,我们探索了城市游戏互动中 AI 图像技术的体验和设计空间,强调了 AI 图像技术支持玩味、重塑和重新发现城市景观的能力,并提出了 AI 图像技术作为 “旅游者” 的隐喻来讨论其参与探索和对地方刻板印象的风险,为未来创造带有 - 如何在人智时代战略性地创建内容?
通过研究人工智能生成模型与人类贡献者之间的竞争,本文探讨了动态竞争模型中人类贡献者如何在一系列主题的内容生成中最大化效益。在时间敏感的内容领域中,研究表明在没有多项式时间的优化策略的情况下,人类的最优策略无法找到,但通过设计一个多项式时间算 - 通过随机微分方程进行基于组合复杂得分的扩散建模
利用图结构、生成模型、组合复杂体、随机微分方程和生成人工智能,提出了一个统一框架来生成复杂物体,包括图和分子,并且在这些任务上与最先进的方法相竞争。
- Hints-In-Browser:针对编程反馈生成的语言模型基准测试
通过在浏览器中进行推理的新范式,基于生成技术的人工智能和大型语言模型能够在编程教育中生成个性化反馈和提示,本文通过基准测试语言模型在编程反馈生成中的质量、成本、时间和数据隐私等多个性能标准,展示了与浏览器推理引擎兼容的小型模型的反馈质量提升 - 软件工程的更高智能化
通过开发新一代的 “Morescient” GAI 模型和相应的软件观测平台,该论文展示了如何根据开放科学原则构建、演进和传播这种同时理解软件语义和静态结构的生成型人工智能模型。
- GenAI Arena:生成模型的开放评估平台
通过开源平台 GenAI-Arena 和统计方法,该研究论文提出一种评估图像和视频生成模型的方法,以更准确地衡量模型性能,并发现现有的多模态模型在评估生成的视觉内容方面存在不足。
- 基于 Transformer 的时间序列合成综述
在图像和语言领域,生成式人工智能已经引起了很大关注,使用转换器神经网络持续主导最新技术。然而,将这些模型应用于时间序列生成的研究尚不充分,而这对于机器学习、隐私保护和可解释性研究具有极大的实用价值。本综述通过识别转换器、生成式人工智能和时间 - CoLa-DCE -- 概念引导的潜在扩散对抗性解释
通过 Concept-guided Latent Diffusion Counterfactual Explanations (CoLa-DCE) 方法生成概念导向的反事实解释,提供更高的控制度和更好的可理解性,以及对模型错误的帮助。
- CVPRL-MAGIC: 具有连贯性的语言模型辅助图像生成
基于大型语言模型的 L-MAGIC 方法能够生成全景场景,提高了场景布局和视角渲染质量,并且通过超分辨率和多视角融合技术进一步增强输出质量。
- 哈佛本科生对生成人工智能的调查
对哈佛大学本科生(n=326)的学习习惯、课程选择和职业前景等方面研究表明,几乎 90% 的学生使用生成型人工智能。其中大约 25% 的学生开始将人工智能用于代替参加办公时间和完成必读课程。一半的学生担心人工智能会对他们的就业前景产生负面影 - 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 / - GAMedX: 基于大型语言模型的生成式医疗实体数据提取器
GAMedX 是一种利用大型语言模型的命名实体识别方法,通过整合开源的语言模型和用于结构化输出的 Pydantic 架构,解决了处理非结构化医疗文本的显著挑战,提高了数据提取的效率和准确性,并为自动化填写非结构化数据的问题提供了可扩展的、经 - 生成人工智能(GAI)在移动和无线网络中的应用:综述
人工智能在移动网络和物联网领域的成功促进了移动网络和未来互联网向整合人工智能的物联网时代迈进。本文详细介绍了生成式人工智能在移动和无线网络中的作用,包括基础知识、模型、应用、网络管理、无线安全、语义通信,并总结了当前移动和无线网络中生成式人 - 关于作弊普遍性感知和生成 AI 的使用
调查研究教职员工对学生作弊普遍性的感知以及生成式人工智能对学术诚信的影响,通过对乌普萨拉大学信息技术系教师的匿名调查数据和 2004 至 2023 年作弊调查的机构统计数据的分析,结果显示教师普遍不认为作弊普遍,但他们强烈认为作弊案例在增加