· ai
[Paper] UniCorn：通过自生成监督实现自我改进的统一多模态模型
虽然统一多模态模型（UMMs）在跨模态理解方面取得了显著成功，但它们在利用 su… 能力方面仍然存在显著差距。
-
- · ai
[论文] MemRL：通过运行时强化学习在 Episodic Memory 上实现自我进化的智能体
人类智能的标志是能够通过构建性情景模拟——检索过去的经验以综合解决方案——掌握新技能的能力。
- · ai
[Paper] AnatomiX，一种解剖感知的基于真实的多模态大型语言模型用于胸部X光片解读
多模态医学大型语言模型在胸部X光解读方面表现出令人印象深刻的进展，但仍然面临空间推理和……
- · ai
[Paper] 在关键位置最大化局部熵：前缀感知局部化 LLM Unlearning
Machine unlearning 旨在从 Large Language Models (LLMs) 中忘记敏感知识，同时保持一般实用性。然而，现有方法通常…
- · ai
【论文】去中心化自回归生成
我们提出了对自回归生成去中心化的理论分析。我们通过表达……来定义 Decentralized Discrete Flow Matching 目标。
- · ai
[Paper] 多模态数据增强的基础模型在无线网络中的预测与控制：综述
基础模型（FMs）被视为一种变革性的突破，已开始重塑人工智能（AI）的未来，跨越学术...
- · ai
[Paper] DiffBench 与 DiffAgent：端到端 LLM 驱动的 Diffusion 加速代码生成
扩散模型在图像和视频生成方面取得了显著成功。然而，它们固有的多步推理过程会带来巨大的计算成本……
- · ai
[Paper] LSP-DETR: 高效且可扩展的全切片图像细胞核分割
精确且可扩展的细胞核实例分割对于计算病理学至关重要，然而千兆像素全切片图像带来了巨大的计算挑战。
- · ai
[Paper] Unified Thinker：通用推理模块化核心用于图像生成
尽管在高保真图像合成方面取得了令人印象深刻的进展，生成模型在逻辑密集型指令遵循方面仍然存在困难，暴露出一个持续的……
- · ai
[Paper] 从肌肉到文字：MyoText：sEMG 到文字通过指分类和基于 Transformer 的解码
表面肌电图（sEMG）提供了一种直接的神经接口，用于解码肌肉活动，并为免键盘文本输入提供了有前景的基础……
- · ai
最优秀的数据科学家总是在学习
第2部分：避免倦怠、学习策略与独处的超能力 这篇文章《The Best Data Scientists Are Always Learning》首次发表于 Towards Data…
- · ai
WTF 是什么 Causal Machine Learning Engineering？
什么是 Causal Machine Learning Engineering？Causal Machine Learning Engineering 是一种构建机器学习模型的方法，使其能够理解因果关系……