Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

VITA: Hacia un LLM multimodal omni interactivo de código abierto.
VITA: Towards Open-Source Interactive Omni Multimodal LLM

Chaoyou Fu, Haojia Lin, Zuwei Long, Yunhang Shen, Meng Zhao, Yifan Zhang, Xiong Wang, Di Yin, Long Ma, Xiawu Zheng, Ran He, Rongrong Ji, Yunsheng Wu, Caifeng Shan, Xing Sun•Aug 9, 2024•493

Gemma Scope: Autoencoders dispersos abiertos en todas partes al mismo tiempo en Gemma 2
Gemma Scope: Open Sparse Autoencoders Everywhere All At Once on Gemma 2

Tom Lieberum, Senthooran Rajamanoharan, Arthur Conmy, Lewis Smith, Nicolas Sonnerat, Vikrant Varma, János Kramár, Anca Dragan, Rohin Shah, Neel Nanda•Aug 9, 2024•402

mPLUG-Owl3: Hacia la comprensión de secuencias largas de imágenes en modelos de lenguaje multimodales a gran escala
mPLUG-Owl3: Towards Long Image-Sequence Understanding in Multi-Modal Large Language Models

Jiabo Ye, Haiyang Xu, Haowei Liu, Anwen Hu, Ming Yan, Qi Qian, Ji Zhang, Fei Huang, Jingren Zhou•Aug 9, 2024•352

UniBench: Visual Reasoning Requires Rethinking Vision-Language Beyond Scaling

Haider Al-Tahan, Quentin Garrido, Randall Balestriero, Diane Bouchacourt, Caner Hazirbas, Mark Ibrahim•Aug 9, 2024•252

ToolSandbox: Un punto de referencia de evaluación interactivo, conversacional y con estado para las capacidades de uso de herramientas de LLM.
ToolSandbox: A Stateful, Conversational, Interactive Evaluation Benchmark for LLM Tool Use Capabilities

Jiarui Lu, Thomas Holleis, Yizhe Zhang, Bernhard Aumayer, Feng Nan, Felix Bai, Shuang Ma, Shen Ma, Mengyu Li, Guoli Yin, Zirui Wang, Ruoming Pang•Aug 8, 2024•184

Propagación de Características Inspirada en Kalman para la Super-Resolución Facial en Videos
Kalman-Inspired Feature Propagation for Video Face Super-Resolution

Ruicheng Feng, Chongyi Li, Chen Change Loy•Aug 9, 2024•103

BRAT: Token adicional ortogonal para inversión textual agnóstica de arquitectura.
BRAT: Bonus oRthogonAl Token for Architecture Agnostic Textual Inversion

James Baker•Aug 8, 2024•92

MooER: Modelos de Reconocimiento y Traducción de Voz basados en LLM de Moore Threads
MooER: LLM-based Speech Recognition and Translation Models from Moore Threads

Junhao Xu, Zhenlin Liang, Yi Liu, Yichao Hu, Jian Li, Yajun Zheng, Meng Cai, Hua Wang•Aug 9, 2024•82

MulliVC: Conversión de Voz Multilingüe con Consistencia de Ciclo
MulliVC: Multi-lingual Voice Conversion With Cycle Consistency

Jiawei Huang, Chen Zhang, Yi Ren, Ziyue Jiang, Zhenhui Ye, Jinglin Liu, Jinzheng He, Xiang Yin, Zhou Zhao•Aug 8, 2024•82

Generación de nuevas hipótesis experimentales a partir de modelos de lenguaje: Un estudio de caso sobre generalización cruzada de dativos.
Generating novel experimental hypotheses from language models: A case study on cross-dative generalization

Kanishka Misra, Najoung Kim•Aug 9, 2024•61