Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

Eliminación de la Sobresaturación y Artefactos de Escalas de Guía Alta en Modelos de Difusión
Eliminating Oversaturation and Artifacts of High Guidance Scales in Diffusion Models

Seyedmorteza Sadat, Otmar Hilliges, Romann M. Weber•Oct 3, 2024•314

Entrenamiento previo localizado contrastivo de lenguaje-imagen.
Contrastive Localized Language-Image Pre-Training

Hong-You Chen, Zhengfeng Lai, Haotian Zhang, Xinze Wang, Marcin Eichner, Keen You, Meng Cao, Bowen Zhang, Yinfei Yang, Zhe Gan•Oct 3, 2024•383

Open-RAG: Razonamiento Mejorado con Recuperación Aumentada utilizando Modelos de Lenguaje de Código Abierto de Gran Escala
Open-RAG: Enhanced Retrieval-Augmented Reasoning with Open-Source Large Language Models

Shayekh Bin Islam, Md Asib Rahman, K S M Tozammel Hossain, Enamul Hoque, Shafiq Joty, Md Rizwan Parvez•Oct 2, 2024•103

Loong: Generación de videos largos a nivel de minutos con modelos de lenguaje autoregresivos
Loong: Generating Minute-level Long Videos with Autoregressive Language Models

Yuqing Wang, Tianwei Xiong, Daquan Zhou, Zhijie Lin, Yang Zhao, Bingyi Kang, Jiashi Feng, Xihui Liu•Oct 3, 2024•383

VinePPO: Desbloqueando el Potencial de RL para el Razonamiento de LLM a través de la Asignación de Crédito Refinada
VinePPO: Unlocking RL Potential For LLM Reasoning Through Refined Credit Assignment

Amirhossein Kazemnejad, Milad Aghajohari, Eva Portelance, Alessandro Sordoni, Siva Reddy, Aaron Courville, Nicolas Le Roux•Oct 2, 2024•252

CLIP-MoE: Hacia la construcción de una Mezcla de Expertos para CLIP con Reciclaje Diversificado de Multipletes
CLIP-MoE: Towards Building Mixture of Experts for CLIP with Diversified Multiplet Upcycling

Jihai Zhang, Xiaoye Qu, Tong Zhu, Yu Cheng•Sep 28, 2024•202

Incrustaciones de Documentos Contextuales
Contextual Document Embeddings

John X. Morris, Alexander M. Rush•Oct 3, 2024•234

Intercambio de Capas para Transferencia Cruzada sin Etiquetas en Modelos de Lenguaje Grandes
Layer Swapping for Zero-Shot Cross-Lingual Transfer in Large Language Models

Lucas Bandarkar, Benjamin Muller, Pritish Yuvraj, Rui Hou, Nayan Singhal, Hongjiang Lv, Bing Liu•Oct 2, 2024•53

MedVisionLlama: Aprovechando las capas de modelos de lenguaje grandes pre-entrenados para mejorar la segmentación de imágenes médicas
MedVisionLlama: Leveraging Pre-Trained Large Language Model Layers to Enhance Medical Image Segmentation

Gurucharan Marthi Krishna Kumar, Aman Chadha, Janine Mendola, Amir Shmuel•Oct 3, 2024•95

Synthio: Aumentando conjuntos de datos de clasificación de audio a pequeña escala con datos sintéticos
Synthio: Augmenting Small-Scale Audio Classification Datasets with Synthetic Data

Sreyan Ghosh, Sonal Kumar, Zhifeng Kong, Rafael Valle, Bryan Catanzaro, Dinesh Manocha•Oct 2, 2024•62

SciPrompt: Promoción aumentada del conocimiento para la categorización detallada de temas científicos
SciPrompt: Knowledge-augmented Prompting for Fine-grained Categorization of Scientific Topics

Zhiwen You, Kanyao Han, Haotian Zhu, Bertram Ludäscher, Jana Diesner•Oct 2, 2024•43

L-CiteEval: ¿Los modelos de largo contexto realmente aprovechan el contexto para responder?
L-CiteEval: Do Long-Context Models Truly Leverage Context for Responding?

Zecheng Tang, Keyan Zhou, Juntao Li, Baibei Ji, Jianye Hou, Min Zhang•Oct 3, 2024•103

LLaVA-Critic: Aprendizaje para Evaluar Modelos Multimodales
LLaVA-Critic: Learning to Evaluate Multimodal Models

Tianyi Xiong, Xiyao Wang, Dong Guo, Qinghao Ye, Haoqi Fan, Quanquan Gu, Heng Huang, Chunyuan Li•Oct 3, 2024•363

MVGS: Splatting Gaussiano Regulado por Vistas Múltiples para la Síntesis de Nuevas Vistas
MVGS: Multi-view-regulated Gaussian Splatting for Novel View Synthesis

Xiaobiao Du, Yida Wang, Xin Yu•Oct 2, 2024•83

Entrenar modelos de lenguaje en secuencias de edición sintéticas mejora la síntesis de código.
Training Language Models on Synthetic Edit Sequences Improves Code Synthesis

Ulyana Piterbarg, Lerrel Pinto, Rob Fergus•Oct 3, 2024•123

Aprendiendo las Reglas Latentes de un Juego a partir de Datos: Una Historia de Ajedrez
Learning the Latent Rules of a Game from Data: A Chess Story

Ben Fauber•Oct 3, 2024•52

Destilando un Asistente de Voz de Extremo a Extremo Sin Entrenamiento con Instrucciones.
Distilling an End-to-End Voice Assistant Without Instruction Training Data

William Held, Ella Li, Michael Ryan, Weiyan Shi, Yanzhe Zhang, Diyi Yang•Oct 3, 2024•235

Robin3D: Mejorando el Modelo de Lenguaje 3D a través de Ajuste de Instrucciones Robusto
Robin3D: Improving 3D Large Language Model via Robust Instruction Tuning

Weitai Kang, Haifeng Huang, Yuzhang Shang, Mubarak Shah, Yan Yan•Sep 30, 2024•52

Revisión de Datos de Subtítulos de Imágenes a Gran Escala en el Pre-entrenamiento de Modelos Fundamentales Multimodales
Revisit Large-Scale Image-Caption Data in Pre-training Multimodal Foundation Models

Zhengfeng Lai, Vasileios Saveris, Chen Chen, Hong-You Chen, Haotian Zhang, Bowen Zhang, Juan Lao Tebar, Wenze Hu, Zhe Gan, Peter Grasch, Meng Cao, Yinfei Yang•Oct 3, 2024•552

Depth Pro: Profundidad Métrica Nítida Monocular en Menos de un Segundo
Depth Pro: Sharp Monocular Metric Depth in Less Than a Second

Aleksei Bochkovskii, Amaël Delaunoy, Hugo Germain, Marcel Santos, Yichao Zhou, Stephan R. Richter, Vladlen Koltun•Oct 2, 2024•422

Modelos de Lenguaje Grandes como Cadenas de Markov
Large Language Models as Markov Chains

Oussama Zekri, Ambroise Odonnat, Abdelhakim Benechehab, Linus Bleistein, Nicolas Boullé, Ievgen Redko•Oct 3, 2024•333

Mejorando Agentes Autónomos de IA con Búsqueda en Árbol Reflexiva y Autoaprendizaje
Improving Autonomous AI Agents with Reflective Tree Search and Self-Learning

Xiao Yu, Baolin Peng, Vineeth Vajipey, Hao Cheng, Michel Galley, Jianfeng Gao, Zhou Yu•Oct 2, 2024•92

Inteligencia en el Borde del Caos
Intelligence at the Edge of Chaos

Shiyang Zhang, Aakash Patel, Syed A Rizvi, Nianchen Liu, Sizhuang He, Amin Karbasi, Emanuele Zappala, David van Dijk•Oct 3, 2024•62

Interpretación y Edición de Representaciones Visión-Lenguaje para Mitigar Alucinaciones
Interpreting and Editing Vision-Language Representations to Mitigate Hallucinations

Nick Jiang, Anish Kachinthaya, Suzie Petryk, Yossi Gandelsman•Oct 3, 2024•92

Vinoground: Examinando los LMMs en relación con el Razonamiento Temporal Denso en Videos Cortos
Vinoground: Scrutinizing LMMs over Dense Temporal Reasoning with Short Videos

Jianrui Zhang, Mu Cai, Yong Jae Lee•Oct 3, 2024•72

Ajuste de Instrucciones en Video con Datos Sintéticos
Video Instruction Tuning With Synthetic Data

Yuanhan Zhang, Jinming Wu, Wei Li, Bo Li, Zejun Ma, Ziwei Liu, Chunyuan Li•Oct 3, 2024•393

SageAttention: Atención precisa de 8 bits para aceleración de inferencia listo para usar
SageAttention: Accurate 8-Bit Attention for Plug-and-play Inference Acceleration

Jintao Zhang, Jia wei, Pengle Zhang, Jun Zhu, Jianfei Chen•Oct 3, 2024•505