· ai
[Paper] SpatialTree：空间能力在 MLLMs 中的分支
认知科学表明，空间能力是逐步发展的——从感知到推理再到交互。然而在多模态大语言模型（MLLMs）中，这种层次...
-
- · ai
[Paper] 视频化身中的主动智能 via Closed-loop World Modeling
当前的视频化身生成方法在身份保持和动作对齐方面表现出色，但缺乏真实的自主性，它们无法自主追求长期目标。
- · ai
[Paper] 让大语言模型成为高效稠密检索器
最近的研究表明，直接微调大型语言模型（LLMs）用于密集检索可以获得强大的性能，但它们庞大的参数数量……
- · ai
[Paper] FedPOD：用于联邦学习的可部署训练单元
本文提出了 FedPOD（Proportionally Orchestrated Derivative），用于在多方联邦学习中优化学习效率和通信成本。
- · ai
[Paper] Saddle-to-Saddle 动力学解释了跨神经网络架构的简洁偏差
使用梯度下降训练的神经网络通常会随时间学习到日益复杂的解，这一现象被称为 simplicity bias。尽管被 wid…
- · ai
[Paper] 重新利用 Video Diffusion Transformers 实现鲁棒点跟踪
点跟踪旨在定位视频帧之间的对应点，作为四维重建、机器人技术和视频编辑的基础任务。现有...
- · ai
[Paper] 自回归模型中的涌现时间抽象实现层次强化学习
大规模自回归模型在下一标记预测上进行预训练，并通过强化学习（RL）进行微调，已在许多方面取得了前所未有的成功……
- · ai
[Paper] MoE-DiffuSeq：使用 Sparse Attention 和 Mixture of Experts 提升长文档 Diffusion Models
我们提出 MoE-DiffuSeq，这是一种基于 mixture of experts 的框架，用于增强 diffusion 模型在长文档生成中的能力。现有的基于 diffusion 的文本生成…
- · ai
[Paper] Cube Bench：MLLMs空间视觉推理基准
我们引入了 Cube Bench，一个用于评估多模态大语言模型（MLLMs）在空间和序列推理方面的 Rubik's‑cube 基准。该基准...
- · ai
[Paper] 利用高保真数字模型和强化学习进行任务工程：完美信息下的空中灭火案例研究
随着系统工程（SE）目标从单体系统的设计与运行演变为复杂的系统群（SoS），任务工程学的学科……
- · ai
[Paper] 自动化立体定向放射外科计划使用人机交互推理的大型语言模型代理
立体定向放射外科 (SRS) 需要在关键结构周围进行精确的剂量塑形，但由于黑箱 AI 系统的不透明性，其临床采纳受到限制……
- · ai
【论文】Relu 和 softplus 神经网络作为零和回合制游戏
我们证明，ReLU 神经网络的输出可以解释为一个零和、回合制、停止游戏的价值，我们称之为 ReLU net game。 The ...