卫星拍到的云,为什么一直没有一个通用的去云模型?
KAIST团队提出GeoCR,一个能统一处理RGB、多光谱、单多时相及SAR数据的通才去云模型,通过冻结预训练主干加轻量适配接口,在十个遥感数据集共88万张图像上联合训练,无需微调即可在多个基准上超越专用去云模型。
KAIST团队提出GeoCR,一个能统一处理RGB、多光谱、单多时相及SAR数据的通才去云模型,通过冻结预训练主干加轻量适配接口,在十个遥感数据集共88万张图像上联合训练,无需微调即可在多个基准上超越专用去云模型。
论文提出EVA,用自回归经验先验替代VAE固定的标准正态先验,仅加一层线性层即可大幅缩小先验后验分布差距,在ImageNet和VGGSound上实现接近扩散模型的生成质量,推理速度却快得多。
MEA是一个多智能体解释系统,通过强化学习训练Proposer和Actor两个智能体,为表格、文字、图像模型生成经过真实扰动验证的忠实解释,在六个数据集上全面超越传统解释工具和闭源大模型。
LiFT提出循环扩散变换器,让共享网络层反复推理而非堆参数,用渐进式路径监督训练,使模型推理深度可远超训练深度,在ImageNet上以更少参数和算力超越密集DiT模型效果。
AI助手能力再强,如果不懂何时该等、何时该主动、何时该守住边界,照样会好心办坏事。这篇论文提出任务能力、时间分配、信任三原则,并搭建测试场验证,发现当前AI普遍不及格。
一步生成模型如何学会遗忘?这篇论文提出反向蒸馏遗忘法,仅用待删数据和原教师模型,就能让扩散/流匹配模型生成器精准忘记指定内容,同时保持其余生成质量几乎不受影响。
论文提出UndoBench基准,用配对试验分离AI agent的任务完成能力与故障恢复能力,发现正常任务成功率83.54%,但遇到确认丢失类故障后恢复成功率骤降,暴露了重复扣款等严重安全隐患。
这篇论文发现主流音视频测评基准存在漏洞,纯看画面也能拿高分。作者提出真正需要联合听看的OmniReasoningBench基准、自动造题的OmniQA数据引擎,以及通过交互增益分配奖励的MFSD训练方法,显著提升了模型的...
研究者让AI语言模型自主改写化学计算中最快的开源几何优化器Sella,产出AutoSella两个版本,仅用半经验方法训练却成功迁移到密度泛函理论,大幅减少分子优化所需的力评估次数。
研究揭示分割学习中梯度传输会显著加剧文本泄露风险,按词统计仅增3.17个百分点,但按整篇文档统计还原率翻近三倍,且常见防御手段难以真正阻断泄露,呼吁同时用多种粒度评估隐私风险。
论文提出 Foil 方法,通过拍扁循环混合专家模型的专家层并解绑注意力参数,在固定参数和计算量前提下提升模型性能,实验显示损失随拍扁程度单调下降,并揭示负载均衡与路由置信度的新关系。
三星团队提出FLaRe方法,用流匹配技术让大模型在连续空间里"沉默思考"后再作答。论文定义了有用、多样、可解释、可精炼、高效五大标准,通过细致实验找出关键训练技巧,效果超越Coconut、CODI等已有潜在推理方法,速度...
这篇论文系统审查了139篇网络智能决策研究,发现仅4篇真正证明了自身符合声称的时间预算。通过真实实验揭示,孤立测试达标的系统在真实负载排队下可能完全失效,同一引擎在不同任务场景下的检查能力也天差地别。
这篇论文比较了Jev决策模型和多款大语言模型在6G网络意图解读任务中的表现,发现AI决策速度是近实时控制环路的关键瓶颈,而对最终网络服务质量的影响并不像预期那样显著。
Depict是一种无需训练的图文匹配打分方法,通过让AI分别看图和看文字回答同一问题并比较一致性来打分,解决了传统方法在否定句上准确率骤降的问题,并融合整体与拆解打分,效果超越多数微调评分器。