Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

NaturalSpeech 3: Síntesis de Voz Zero-Shot con Codec Factorizado y Modelos de Difusión
NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models

Zeqian Ju, Yuancheng Wang, Kai Shen, Xu Tan, Detai Xin, Dongchao Yang, Yanqing Liu, Yichong Leng, Kaitao Song, Siliang Tang, Zhizheng Wu, Tao Qin, Xiang-Yang Li, Wei Ye, Shikun Zhang, Jiang Bian, Lei He, Jinyu Li, Sheng Zhao•Mar 5, 2024•383

Los modelos de lenguaje multimodal ajustados son filtros de alta calidad para datos de imagen-texto
Finetuned Multimodal Language Models Are High-Quality Image-Text Data Filters

Weizhi Wang, Khalil Mrini, Linjie Yang, Sateesh Kumar, Yu Tian, Xifeng Yan, Heng Wang•Mar 5, 2024•181

MathScale: Escalando el Ajuste por Instrucción para el Razonamiento Matemático
MathScale: Scaling Instruction Tuning for Mathematical Reasoning

Zhengyang Tang, Xingxing Zhang, Benyou Wan, Furu Wei•Mar 5, 2024•172

Wukong: Hacia una Ley de Escalabilidad para Sistemas de Recomendación a Gran Escala
Wukong: Towards a Scaling Law for Large-Scale Recommendation

Buyun Zhang, Liang Luo, Yuxin Chen, Jade Nie, Xi Liu, Daifeng Guo, Yanli Zhao, Shen Li, Yuchen Hao, Yantao Yao, Guna Lakshminarayanan, Ellie Dingqiao Wen, Jongsoo Park, Maxim Naumov, Wenlin Chen•Mar 4, 2024•171

MAGID: Una Canalización Automatizada para la Generación de Conjuntos de Datos Sintéticos Multimodales
MAGID: An Automated Pipeline for Generating Synthetic Multi-modal Datasets

Hossein Aboutalebi, Hwanjun Song, Yusheng Xie, Arshit Gupta, Justin Sun, Hang Su, Igor Shalyminov, Nikolaos Pappas, Siffi Singh, Saab Mansour•Mar 5, 2024•151

EasyQuant: Un algoritmo eficiente de cuantización sin datos para modelos de lenguaje grandes
EasyQuant: An Efficient Data-free Quantization Algorithm for LLMs

Hanlin Tang, Yifu Sun, Decheng Wu, Kai Liu, Jianchen Zhu, Zhanhui Kang•Mar 5, 2024•133

Deleita tus ojos: Adaptación de Mezcla de Resoluciones para Modelos de Lenguaje Multimodales a Gran Escala
Feast Your Eyes: Mixture-of-Resolution Adaptation for Multimodal Large Language Models

Gen Luo, Yiyi Zhou, Yuxin Zhang, Xiawu Zheng, Xiaoshuai Sun, Rongrong Ji•Mar 5, 2024•111

Modelado Colaborativo: Habilitando la Clasificación de Visión Subjetiva con Mínimo Esfuerzo Humano mediante el Uso de Herramientas de LLM
Modeling Collaborator: Enabling Subjective Vision Classification With Minimal Human Effort via LLM Tool-Use

Imad Eddine Toubal, Aditya Avinash, Neil Gordon Alldrin, Jan Dlabal, Wenlei Zhou, Enming Luo, Otilia Stretcu, Hao Xiong, Chun-Ta Lu, Howard Zhou, Ranjay Krishna, Ariel Fuxman, Tom Duerig•Mar 5, 2024•111

RT-Sketch: Aprendizaje por Imitación Condicionado por Objetivos a partir de Bocetos Dibujados a Mano
RT-Sketch: Goal-Conditioned Imitation Learning from Hand-Drawn Sketches

Priya Sundaresan, Quan Vuong, Jiayuan Gu, Peng Xu, Ted Xiao, Sean Kirmani, Tianhe Yu, Michael Stark, Ajinkya Jain, Karol Hausman, Dorsa Sadigh, Jeannette Bohg, Stefan Schaal•Mar 5, 2024•91

MagicClay: Esculpir mallas con campos neuronales generativos
MagicClay: Sculpting Meshes With Generative Neural Fields

Amir Barda, Vladimir G. Kim, Noam Aigerman, Amit H. Bermano, Thibault Groueix•Mar 4, 2024•81