Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

Escalar de manera óptima el cálculo del tiempo de prueba de LLM puede ser más efectivo que escalar los parámetros del modelo.
Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters

Charlie Snell, Jaehoon Lee, Kelvin Xu, Aviral Kumar•Aug 6, 2024•633

MMIU: Comprensión Multimodal Multi-imagen para Evaluar Modelos de Visión-Lenguaje Grandes
MMIU: Multimodal Multi-image Understanding for Evaluating Large Vision-Language Models

Fanqing Meng, Jin Wang, Chuanhao Li, Quanfeng Lu, Hao Tian, Jiaqi Liao, Xizhou Zhu, Jifeng Dai, Yu Qiao, Ping Luo, Kaipeng Zhang, Wenqi Shao•Aug 5, 2024•623

LLaVA-OneVision: Transferencia Sencilla de Tareas Visuales
LLaVA-OneVision: Easy Visual Task Transfer

Bo Li, Yuanhan Zhang, Dong Guo, Renrui Zhang, Feng Li, Hao Zhang, Kaichen Zhang, Yanwei Li, Ziwei Liu, Chunyuan Li•Aug 6, 2024•612

Un objeto vale 64x64 píxeles: Generando objetos 3D a través de la difusión de imágenes
An Object is Worth 64x64 Pixels: Generating 3D Object via Image Diffusion

Xingguang Yan, Han-Hung Lee, Ziyu Wan, Angel X. Chang•Aug 6, 2024•413

MedTrinity-25M: Un conjunto de datos multimodal a gran escala con anotaciones multigranulares para medicina
MedTrinity-25M: A Large-scale Multimodal Dataset with Multigranular Annotations for Medicine

Yunfei Xie, Ce Zhou, Lang Gao, Juncheng Wu, Xianhang Li, Hong-Yu Zhou, Sheng Liu, Lei Xing, James Zou, Cihang Xie, Yuyin Zhou•Aug 6, 2024•302

IPAdapter-Instruct: Resolviendo Ambigüedad en la Condicionamiento basado en Imágenes usando Instruct Prompts
IPAdapter-Instruct: Resolving Ambiguity in Image-based Conditioning using Instruct Prompts

Ciara Rowles, Shimon Vainer, Dante De Nigris, Slava Elizarov, Konstantin Kutsy, Simon Donné•Aug 6, 2024•232

CoverBench: Un desafiante banco de pruebas para la verificación de reclamos complejos
CoverBench: A Challenging Benchmark for Complex Claim Verification

Alon Jacovi, Moran Ambar, Eyal Ben-David, Uri Shaham, Amir Feder, Mor Geva, Dror Marcus, Avi Caciularu•Aug 6, 2024•152

Modelos de Difusión como Herramientas de Minería de Datos
Diffusion Models as Data Mining Tools

Ioannis Siglidis, Aleksander Holynski, Alexei A. Efros, Mathieu Aubry, Shiry Ginosar•Jul 20, 2024•142

ReSyncer: Reconfiguración del Generador basado en Estilo para un Intérprete Facial Audiovisualmente Sincronizado Unificado
ReSyncer: Rewiring Style-based Generator for Unified Audio-Visually Synced Facial Performer

Jiazhi Guan, Zhiliang Xu, Hang Zhou, Kaisiyuan Wang, Shengyi He, Zhanwang Zhang, Borong Liang, Haocheng Feng, Errui Ding, Jingtuo Liu, Jingdong Wang, Youjian Zhao, Ziwei Liu•Aug 6, 2024•112

Sintetizando datos de Texto-a-SQL de LLMs Débiles y Fuertes
Synthesizing Text-to-SQL Data from Weak and Strong LLMs

Jiaxi Yang, Binyuan Hui, Min Yang, Jian Yang, Junyang Lin, Chang Zhou•Aug 6, 2024•112

StructEval: Profundizar y Ampliar la Evaluación de Modelos de Lenguaje Grandes a través de Evaluación Estructurada
StructEval: Deepen and Broaden Large Language Model Assessment via Structured Evaluation

Boxi Cao, Mengjie Ren, Hongyu Lin, Xianpei Han, Feng Zhang, Junfeng Zhan, Le Sun•Aug 6, 2024•102

AVESFormer: Diseño eficiente de Transformer para la segmentación audiovisual en tiempo real
AVESFormer: Efficient Transformer Design for Real-Time Audio-Visual Segmentation

Zili Wang, Qi Yang, Linsu Shi, Jiazhong Yu, Qinghua Liang, Fei Li, Shiming Xiang•Aug 3, 2024•42