会批改作文的AI,为什么突然学会了自己出考卷
本文介绍SERA方法,通过让AI自己生成并训练评分细则来评估递归委派的子任务质量,同时用叶子覆盖率奖励分解能力,在两个基准上显著超越现有递归智能体训练方法,并减少外部监督依赖。
本文介绍SERA方法,通过让AI自己生成并训练评分细则来评估递归委派的子任务质量,同时用叶子覆盖率奖励分解能力,在两个基准上显著超越现有递归智能体训练方法,并减少外部监督依赖。
清华与微软团队发现,给VAE的压缩表示加噪声再做预测训练,能让AI画图模型学得更快。提出RoAR-VAE方法,同时提升图像重建质量与下游生成效果,小字识别准确率提升16.93个百分点。
论文提出Fréchet Forcing方法,用生成式锚定、场景一致性、真实感匹配三个约束,让世界模型在自身生成的长视频上训练,无需老师模型即可将稳定生成长度从253帧扩展到4000帧以上。
论文提出MaSS框架,通过拆分场景上下文与结构表征并引入场景结构判别对比学习,解决了自监督深度估计模型混合多样数据训练时性能反而下降的问题,实现了跨数据集的显著性能提升和强泛化能力。
本文介绍了一篇关于联合嵌入预测架构世界模型可解释性的研究,提出Ground-Structure-Verify-Act四阶段框架,指出当前解码方法无法揭示模型内部真实运作机制,并呼吁从表征解码转向理解潜在世界的因果结构与动...
该论文提出受"系统1/系统2"启发的两环学习架构:快速环处理常规样本,置信度不足时触发中速环主动获取新证据,在四个细粒度识别基准上验证了残差分层处理的有效性与局限。
BRACE是一套人形机器人全身动作追踪系统,通过先把地形和施力因素解析融入参考轨迹,再用双教师蒸馏训练出纯本体感知控制器,使机器人能在未知坡地上主动施力或抵抗外力,大幅降低追踪误差并提升任务成功率。
研究发现AI识别金融概念准确率超97%,但穷尽式找出所有对应数字时常漏掉三分之一以上目标,揭示"认得出"和"找得全"是两种不同能力,多语言财报评测基准MULTIFINGROUND首次将两者配对测试。
该论文提出Lean4AgenticRL框架,针对当前AI智能体强化学习训练中过度依赖最终结果奖励、忽视中间过程质量的问题,设计了融合高层结果奖励、中层工作流阶段奖励与低层工具调用奖励的三级奖励体系,并基于Lean4形式化...
论文提出DisaggKD框架,将知识蒸馏中的教师模型与学生模型拆分到不同计算节点,结合融合损失算法避免生成全词表logits矩阵,在大模型对上显著降低显存占用并提升训练速度,解决同机部署知识蒸馏易显存溢出的问题。
Adobe与布朗大学提出OmniXRef,首个支持文字、图片、视频多参考组合的统一视频编辑框架,通过参考库接口、R?-RoPE位置编码等设计,在相机、动作、风格、特效等编辑任务上超越商业模型。
论文提出GLOBEBENCH基准,测试20个大模型作为文本世界模型的能力,涵盖1632道跨五领域任务。结果显示最强模型仅答对49.57%,在涉及隐藏状态追踪和级联影响的任务上表现尤其糟糕。
研究者训练AI构建智能体提前把杂乱文档整理成层次化工作空间,让回答智能体反复复用,在BrowseComp-Plus上准确率超越检索基线33个百分点,并能零样本迁移到陌生领域。
这篇论文提出INTACT系统,通过逐元素虚拟隔离执行AI浏览代理的网页交互,让元素能力由网页语义与来源决定而非文字,使注入攻击成功率从73.1%降至12.8%。
ARC-SORT是一种无需训练的体育视频多目标追踪方法,核心是让追踪器依据自身预测的不确定性动态调整匹配范围与身份判断时机,在SportsMOT和DanceTrack测试集上均取得领先效果,运行速度达每秒50帧。
小米团队推出Xiaomi-Lens-0,一个40亿参数多模态大模型,首次实现从自身视觉特征直接解码分割掩码,无需外接分割编码器。模型能一边推理一边生成视觉潜变量定位证据区域,在RefCOCO系列、分割任务及多项感知基准上...
本文解读卡塔尔计算研究院两项AI人道主义项目:用大语言模型分析九千四百万条推文支援2023年土耳其地震救援,以及用卫星图像车辆检测追踪叙利亚内战中的人口流离失所趋势。
论文提出RAP数据集,收录25435组经过验证的论文与人类海报配对,覆盖NeurIPS、ICML、ICLR三大顶会2022至2026年数据,并配套自动化逆向渲染流水线,将海报图片转化为可编辑、可验证的结构化HTML标记。...
一篇研究用游戏任务和真实世界任务交叉测试25个视觉语言模型,发现两者表现高度相关(相关系数0.935),并探索游戏示例能否通过一次性学习迁移提升AI在真实场景中的视觉推理能力。
论文提出GeoState,一种视角解耦的几何状态表示,用于三维世界模型预测。通过场景令牌化器和几何解码器分离场景演变与摄像机观察,在Waymo等数据集上实现更准确的长时程深度预测,并支持跨视角一致查询与零样本泛化。