Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

SlowFast-LLaVA: Una línea base sólida sin entrenamiento para modelos de lenguaje grandes de video
SlowFast-LLaVA: A Strong Training-Free Baseline for Video Large Language Models

Mingze Xu, Mingfei Gao, Zhe Gan, Hong-You Chen, Zhengfeng Lai, Haiming Gang, Kai Kang, Afshin Dehghan•Jul 22, 2024•415

Modelos de Lenguaje Compactos mediante Poda y Destilación de Conocimiento
Compact Language Models via Pruning and Knowledge Distillation

Saurav Muralidharan, Sharath Turuvekere Sreenivas, Raviraj Joshi, Marcin Chochowski, Mostofa Patwary, Mohammad Shoeybi, Bryan Catanzaro, Jan Kautz, Pavlo Molchanov•Jul 19, 2024•402

NNsight y NDIF: Democratizando el Acceso a los Internos del Modelo Base
NNsight and NDIF: Democratizing Access to Foundation Model Internals

Jaden Fiotto-Kaufman, Alexander R Loftus, Eric Todd, Jannik Brinkmann, Caden Juang, Koyena Pal, Can Rager, Aaron Mueller, Samuel Marks, Arnab Sen Sharma, Francesca Lucchetti, Michael Ripa, Adam Belfki, Nikhil Prakash, Sumeet Multani, Carla Brodley, Arjun Guha, Jonathan Bell, Byron Wallace, David Bau•Jul 18, 2024•362

Mecanismos de Conocimiento en Modelos de Lenguaje Grandes: Una Encuesta y Perspectiva
Knowledge Mechanisms in Large Language Models: A Survey and Perspective

Mengru Wang, Yunzhi Yao, Ziwen Xu, Shuofei Qiao, Shumin Deng, Peng Wang, Xiang Chen, Jia-Chen Gu, Yong Jiang, Pengjun Xie, Fei Huang, Huajun Chen, Ningyu Zhang•Jul 22, 2024•352

VideoGameBunny: Hacia asistentes visuales para videojuegos
VideoGameBunny: Towards vision assistants for video games

Mohammad Reza Taesiri, Cor-Paul Bezemer•Jul 21, 2024•226

POGEMA: Una Plataforma de Referencia para la Navegación Cooperativa de Múltiples Agentes
POGEMA: A Benchmark Platform for Cooperative Multi-Agent Navigation

Alexey Skrynnik, Anton Andreychuk, Anatolii Borzilov, Alexander Chernyavskiy, Konstantin Yakovlev, Aleksandr Panov•Jul 20, 2024•222

LongVideoBench: Un banco de pruebas para la comprensión de video-lenguaje con contextos largos entrelazados
LongVideoBench: A Benchmark for Long-context Interleaved Video-Language Understanding

Haoning Wu, Dongxu Li, Bei Chen, Junnan Li•Jul 22, 2024•204

BOND: Alineando LLMs con Destilación de lo Mejor-de-N
BOND: Aligning LLMs with Best-of-N Distillation

Pier Giuseppe Sessa, Robert Dadashi, Léonard Hussenot, Johan Ferret, Nino Vieillard, Alexandre Ramé, Bobak Shariari, Sarah Perrin, Abe Friesen, Geoffrey Cideron, Sertan Girgin, Piotr Stanczyk, Andrea Michi, Danila Sinopalnikov, Sabela Ramos, Amélie Héliou, Aliaksei Severyn, Matt Hoffman, Nikola Momchev, Olivier Bachem•Jul 19, 2024•193

BoostMVSNeRFs: Impulsando los NeRFs basados en MVS para la Síntesis de Vistas Generalizable en Escenas a Gran Escala
BoostMVSNeRFs: Boosting MVS-based NeRFs to Generalizable View Synthesis in Large-scale Scenes

Chih-Hai Su, Chih-Yao Hu, Shr-Ruei Tsai, Jie-Ying Lee, Chin-Yang Lin, Yu-Lun Liu•Jul 22, 2024•172

Artista: Estilización Controlable Estéticamente Impulsada por Texto sin Entrenamiento
Artist: Aesthetically Controllable Text-Driven Stylization without Training

Ruixiang Jiang, Changwen Chen•Jul 22, 2024•145

Correspondencia de Flujo Discreto
Discrete Flow Matching

Itai Gat, Tal Remez, Neta Shaul, Felix Kreuk, Ricky T. Q. Chen, Gabriel Synnaeve, Yossi Adi, Yaron Lipman•Jul 22, 2024•132

HoloDreamer: Generación Holística de Mundos Panorámicos 3D a partir de Descripciones de Texto
HoloDreamer: Holistic 3D Panoramic World Generation from Text Descriptions

Haiyang Zhou, Xinhua Cheng, Wangbo Yu, Yonghong Tian, Li Yuan•Jul 21, 2024•132

Consentimiento en Crisis: La Rápida Decadencia de los Comunes de Datos de IA
Consent in Crisis: The Rapid Decline of the AI Data Commons

Shayne Longpre, Robert Mahari, Ariel Lee, Campbell Lund, Hamidah Oderinwale, William Brannon, Nayan Saxena, Naana Obeng-Marnu, Tobin South, Cole Hunter, Kevin Klyman, Christopher Klamm, Hailey Schoelkopf, Nikhil Singh, Manuel Cherep, Ahmad Anis, An Dinh, Caroline Chitongo, Da Yin, Damien Sileo, Deividas Mataciunas, Diganta Misra, Emad Alghamdi, Enrico Shippole, Jianguo Zhang, Joanna Materzynska, Kun Qian, Kush Tiwary, Lester Miranda, Manan Dey, Minnie Liang, Mohammed Hamdy, Niklas Muennighoff, Seonghyeon Ye, Seungone Kim, Shrestha Mohanty, Vipul Gupta, Vivek Sharma, Vu Minh Chien, Xuhui Zhou, Yizhi Li, Caiming Xiong, Luis Villa, Stella Biderman, Hanlin Li, Daphne Ippolito, Sara Hooker, Jad Kabbara, Sandy Pentland•Jul 20, 2024•123

Cinemo: Animación de Imágenes Consistente y Controlable con Modelos de Difusión de Movimiento
Cinemo: Consistent and Controllable Image Animation with Motion Diffusion Models

Xin Ma, Yaohui Wang, Gengyu Jia, Xinyuan Chen, Yuan-Fang Li, Cunjian Chen, Yu Qiao•Jul 22, 2024•112

Política de Lenguaje Condicionado: Un Marco General para el Ajuste Fino Multi-Objetivo Dirigible
Conditioned Language Policy: A General Framework for Steerable Multi-Objective Finetuning

Kaiwen Wang, Rahul Kidambi, Ryan Sullivan, Alekh Agarwal, Christoph Dann, Andrea Michi, Marco Gelmi, Yunxuan Li, Raghav Gupta, Avinava Dubey, Alexandre Ramé, Johan Ferret, Geoffrey Cideron, Le Hou, Hongkun Yu, Amr Ahmed, Aranyak Mehta, Léonard Hussenot, Olivier Bachem, Edouard Leurent•Jul 22, 2024•102

MIBench: Evaluación de Modelos de Lenguaje Multimodal de Gran Escala sobre Múltiples Imágenes
MIBench: Evaluating Multimodal Large Language Models over Multiple Images

Haowei Liu, Xi Zhang, Haiyang Xu, Yaya Shi, Chaoya Jiang, Ming Yan, Ji Zhang, Fei Huang, Chunfeng Yuan, Bing Li, Weiming Hu•Jul 21, 2024•103

AssistantBench: ¿Pueden los Agentes Web Resolver Tareas Realistas y que Consumen Tiempo?
AssistantBench: Can Web Agents Solve Realistic and Time-Consuming Tasks?

Ori Yoran, Samuel Joseph Amouyal, Chaitanya Malaviya, Ben Bogin, Ofir Press, Jonathan Berant•Jul 22, 2024•94

MusiConGen: Control de Ritmo y Acordes para la Generación de Texto a Música basada en Transformadores
MusiConGen: Rhythm and Chord Control for Transformer-Based Text-to-Music Generation

Yun-Han Lan, Wen-Yi Hsiao, Hao-Chung Cheng, Yi-Hsuan Yang•Jul 21, 2024•92

Correspondencia Local de Todos los Pares para el Seguimiento de Puntos
Local All-Pair Correspondence for Point Tracking

Seokju Cho, Jiahui Huang, Jisu Nam, Honggyu An, Seungryong Kim, Joon-Young Lee•Jul 22, 2024•62

CGB-DM: Generación de Diseño de Distribución de Contenido y Gráficos con Modelo de Difusión basado en Transformadores
CGB-DM: Content and Graphic Balance Layout Generation with Transformer-based Diffusion Model

Yu Li, Yifan Chen, Gongye Liu, Jie Wu, Yujiu Yang•Jul 21, 2024•62

ThermalNeRF: Campos de Radiancia Térmica
ThermalNeRF: Thermal Radiance Fields

Yvette Y. Lin, Xin-Yi Pan, Sara Fridovich-Keil, Gordon Wetzstein•Jul 22, 2024•52

Jacobianes Residuales Temporales para la Transferencia de Movimiento sin Rigidez
Temporal Residual Jacobians For Rig-free Motion Transfer

Sanjeev Muralikrishnan, Niladri Shekhar Dutt, Siddhartha Chaudhuri, Noam Aigerman, Vladimir Kim, Matthew Fisher, Niloy J. Mitra•Jul 20, 2024•52

GET-Zero: Transformador de Embodiment de Grafos para Generalización de Embodiment sin Ejemplos.
GET-Zero: Graph Embodiment Transformer for Zero-shot Embodiment Generalization

Austin Patel, Shuran Song•Jul 20, 2024•42

Montones de Heno Visuales: Respondiendo Preguntas Más Difíciles Sobre Conjuntos de Imágenes
Visual Haystacks: Answering Harder Questions About Sets of Images

Tsung-Han Wu, Giscard Biamby, Jerome Quenum, Ritwik Gupta, Joseph E. Gonzalez, Trevor Darrell, David M. Chan•Jul 18, 2024•24