- 语言模型是实用演讲者
本文通过概率认知模型解释了语言模型的运行方式,尤其是展示了通过强化学习从人类反馈中优化的大型语言模型实现了一种类似于 Kahneman 快慢思考模型的思维模型,并讨论了强化学习作为快慢思考模型的局限性,并提出了扩展此框架的方向。总的来说,我 - ICLR加入对话:朝向临时团队游戏的语言习得
本文提出并考虑了合作式语言习得问题,该问题是特殊形式的临时团队协作问题,然后提出了一种概率模型,用于从观察团队语言使用者之间的沟通中推断说话者的意图和听众的语义,该模型基于说话者从事积极信号和监听器展示积极倾听的假设,并说明了可能的说话者传 - 利用图引出的和 - 积网络进行易处理的概率图表征学习
本文介绍了一种名为图感知积 - 和网络 (Graph-Induced Sum-Product Networks, GSPN) 的新的概率图形学习框架,它可以有迹可循地回答概率性问题。本模型与传统的神经网络模型的计算图有异曲同工之妙,因此在深 - TAPE:基于时间注意力的概率人体姿态和形状估计
该研究提出了一种基于时间注意力的概率人体姿势和形状估计方法(TAPE),通过对一段视频进行编码并使用概率分布输出估计的人体姿势,相比于其他方法在标准基准测试中表现更好。
- 使用遮挡感知纹理回归的概率化注意力模型进行三维手部重建
该研究提出一种基于概率模型和注意力机制的框架来提高单幅图像中的三维手部重建精度和抗噪性,其中模型基于网络的先验概率分布和关节节点之间的依赖关系,通过关节与网格顶点之间的关联来改进特征表示,同时使用学习型自遮挡感知的手部纹理回归模型来获得高保 - 无监督采样促进基于随机人类轨迹的预测
本论文提出了一种名为 BOsampler 的新方法,通过贝叶斯优化的方法,在长尾效应区域探索潜在路径的过程中,提高了随机预测的采样效率,该方法不需要重新训练,可与现有的随机预测模型集成,实验结果表明该方法的有效性。
- CVPRUniDexGrasp: 通过学习多样性提议生成和目标条件策略实现普适机器人灵巧抓握
本研究提出使用点云观测学习通用的机器人灵巧抓取,将任务分为抓取提案生成和目标条件抓取执行两个阶段,并使用目标条件抓取策略取代运动规划以提高通用性,在大规模机器人灵巧抓取数据集的平凡模型下,通过采样生成高质量多样化的抓取姿势,实现了普适性的抓 - 基于高斯过程的概率注意力用于深度多示例学习
本文介绍了一种基于高斯过程的新型概率注意力机制 —— 关注高斯过程 (AGP) 模型,用于多实例学习 (MIL),在医学应用中表现出色,可精确预测袋水平和实例级别的预测,具有表现力解释,并且具有所提出方法本质的概率性质,可以提供稳健性和确定 - 语言生成模型的自然偏好
本文提出了一种以 unigram 分布为先验知识的初始化模型权重的方法,在神经语言生成模型中应用该方法可提高学习效率、整体性能以及鼓励模型专注于非频率相关的语言特性。
- ICLR可解释性作为统计推论
通过统计推断方法构建了一种概率模型,通过学习模型参数和使用神经网络选择器来实现解释性预测,并利用新数据集进行了实验验证,证明了使用多重插补提供了更合理的解释。
- HYPRO:一种混合归一化概率模型用于事件序列的长期预测
我们提出了一种名为 HYPRO 的混合归一化概率模型,通过学习自编码和能量函数来进行长时间序列预测,并通过多种现实数据集的实验表明,在对未来事件进行长时间预测方面,我们的模型具有显著优势。
- 贝叶斯推理改进同行评分
本文探讨了对等评分系统,提出了一种新的概率模型,该模型能够更准确地估计群体作业的分数,并且使用混合整数规划将计算结果更易解释。作者在多个大型班级进行了实验验证,结果表明,使用该模型可以更准确地估计真实的分数、学生提交低精度报告的可能性以及其 - ECCV基于不确定性引导的无源域自适应
该研究提出了一种基于概率模型的源自由领域自适应方法,通过量化源模型预测中的不确定性来指导目标适应,以对抗域漂移和缺乏源数据的问题,并且相比于传统的源自由领域自适应方法,该方法计算轻量、与源训练和目标适应相独立。
- 朝向统一知觉推理和逻辑推理
本文提出了一个简单的概率模型,可应用于感知和逻辑推理,它将两种过程统一起来:一方面是感知和逻辑知识从另一个知识中派生的过程,另一方面是从数据中派生出这种知识的过程,并且在逻辑推理中完全描述了该模型。
- KDD基于变分自编码器的图扩散源定位用于图反问题
本文提出了一种基于概率模型的通用框架:SL-VAE 来定位任意扩散模式下的扩散源。SL-VAE 利用前向扩散估计模型和深度生成模型,近似扩散源分布并量化不确定性。最后,通过导出一个统一的目标函数,强制模型在任意扩散模式下进行泛化。在 7 个 - KDD通过一步梯度匹配压缩图
本文提出了一种基于概率图模型和单步梯度匹配的高效数据集压缩方法,能够在保持性能的前提下将数据集大小缩减 90%。
- 严肃游戏中的社会驱动对话的社交实践
本文提出了社会实践模型作为管理与特定目标培训医生沟通技巧对话的理论框架,并使用基于概率的模型选择社会实践作为实现符合社会实践模型的代理架构的一步。
- 为何这个模型预测了这个未来?:封闭形式的时间显著性推动概率预测的因果解释
本研究提出了一种基于信息论的新方法,通过计算观察窗口的不同熵值,识别概率预测模型中影响预测的显著观察窗口,并用合成会话数据集中的话语转换预测任务来证明了该框架的实用性 。
- 正确地训练和推断任意阶自回归模型
本文针对任意条件建模中的核心问题,提出了一种针对 Any-Order 自回归模型(AO-ARMs)的新的、有效的训练方法,通过训练一组更小的一元条件分布同时提升性能并保证可计算性,在文本、图像和连续数据等领域中取得了最先进的结果。
- 数据驱动学习和语用推理导致的颜色过度修饰现象
本文利用神经网络构建概率模型,从而研究影响口头表达方式的因素,发现环境特征对于过度修辞式表达有显著影响。