Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

Manipulación humanoide generalizable con políticas de difusión 3D mejoradas.
Generalizable Humanoid Manipulation with Improved 3D Diffusion Policies

Yanjie Ze, Zixuan Chen, Wenhao Wang, Tianyi Chen, Xialin He, Ying Yuan, Xue Bin Peng, Jiajun Wu•Oct 14, 2024•72

Inversión y Edición Semántica de Imágenes utilizando Ecuaciones Diferenciales Estocásticas Rectificadas.
Semantic Image Inversion and Editing using Rectified Stochastic Differential Equations

Litu Rout, Yujia Chen, Nataniel Ruiz, Constantine Caramanis, Sanjay Shakkottai, Wen-Sheng Chu•Oct 14, 2024•313

Hacia la Alineación General de Seguimiento de Instrucciones para la Generación Aumentada por Recuperación.
Toward General Instruction-Following Alignment for Retrieval-Augmented Generation

Guanting Dong, Xiaoshuai Song, Yutao Zhu, Runqi Qiao, Zhicheng Dou, Ji-Rong Wen•Oct 12, 2024•493

Preentrenamiento de Acciones Latentes a partir de Videos
Latent Action Pretraining from Videos

Seonghyeon Ye, Joel Jang, Byeongguk Jeon, Sejune Joo, Jianwei Yang, Baolin Peng, Ajay Mandlekar, Reuben Tan, Yu-Wei Chao, Bill Yuchen Lin, Lars Liden, Kimin Lee, Jianfeng Gao, Luke Zettlemoyer, Dieter Fox, Minjoon Seo•Oct 15, 2024•22

LOKI: Un amplio banco de pruebas para la detección de datos sintéticos utilizando grandes modelos multimodales.
LOKI: A Comprehensive Synthetic Data Detection Benchmark using Large Multimodal Models

Junyan Ye, Baichuan Zhou, Zilong Huang, Junan Zhang, Tianyi Bai, Hengrui Kang, Jun He, Honglin Lin, Zihao Wang, Tong Wu, Zhizheng Wu, Yiping Chen, Dahua Lin, Conghui He, Weijia Li•Oct 13, 2024•564

MEGA-Bench: Escalando la Evaluación Multimodal a más de 500 Tareas del Mundo Real
MEGA-Bench: Scaling Multimodal Evaluation to over 500 Real-World Tasks

Jiacheng Chen, Tianhao Liang, Sherman Siu, Zhengqing Wang, Kai Wang, Yubo Wang, Yuansheng Ni, Wang Zhu, Ziyan Jiang, Bohan Lyu, Dongfu Jiang, Xuan He, Yuan Liu, Hexiang Hu, Xiang Yue, Wenhu Chen•Oct 14, 2024•393

MMCOMPOSITION: Revisitando la Composicionalidad de Modelos Pre-entrenados de Visión-Lenguaje
MMCOMPOSITION: Revisiting the Compositionality of Pre-trained Vision-Language Models

Hang Hua, Yunlong Tang, Ziyun Zeng, Liangliang Cao, Zhengyuan Yang, Hangfeng He, Chenliang Xu, Jiebo Luo•Oct 13, 2024•92

VisRAG: Generación Aumentada con Recuperación basada en Visión en Documentos de Multi-modalidad
VisRAG: Vision-based Retrieval-augmented Generation on Multi-modality Documents

Shi Yu, Chaoyue Tang, Bokai Xu, Junbo Cui, Junhao Ran, Yukun Yan, Zhenghao Liu, Shuo Wang, Xu Han, Zhiyuan Liu, Maosong Sun•Oct 14, 2024•273

Árbol de Problemas: Mejorando la resolución estructurada de problemas con composicionalidad
Tree of Problems: Improving structured problem solving with compositionality

Armel Zebaze, Benoît Sagot, Rachel Bawden•Oct 9, 2024•92

Reconsiderando la Selección de Datos a Escala: La Selección Aleatoria es Casi Todo lo que Necesitas
Rethinking Data Selection at Scale: Random Selection is Almost All You Need

Tingyu Xia, Bowen Yu, Kai Dang, An Yang, Yuan Wu, Yuan Tian, Yi Chang, Junyang Lin•Oct 12, 2024•173

El Renacimiento de ReLU: Sobre la Sobrecarga Entrópica en Modelos de Lenguaje Grandes sin Normalización
ReLU's Revival: On the Entropic Overload in Normalization-Free Large Language Models

Nandan Kumar Jha, Brandon Reagen•Oct 12, 2024•42

LiveXiv -- Un Benchmark en Vivo Multi-Modal Basado en el Contenido de los Artículos de Arxiv
LiveXiv -- A Multi-Modal Live Benchmark Based on Arxiv Papers Content

Nimrod Shabtay, Felipe Maia Polo, Sivan Doveh, Wei Lin, M. Jehanzeb Mirza, Leshem Chosen, Mikhail Yurochkin, Yuekai Sun, Assaf Arbelle, Leonid Karlinsky, Raja Giryes•Oct 14, 2024•282

Modelos de LLM reflexivos: Seguimiento de instrucciones generales con generación de pensamientos
Thinking LLMs: General Instruction Following with Thought Generation

Tianhao Wu, Janice Lan, Weizhe Yuan, Jiantao Jiao, Jason Weston, Sainbayar Sukhbaatar•Oct 14, 2024•204

LongMemEval: Evaluación de Referencia de Asistentes de Chat en Memoria Interactiva a Largo Plazo
LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory

Di Wu, Hongwei Wang, Wenhao Yu, Yuwei Zhang, Kai-Wei Chang, Dong Yu•Oct 14, 2024•122

Omni-MATH: Un punto de referencia matemático de nivel olímpico universal para modelos de lenguaje grandes
Omni-MATH: A Universal Olympiad Level Mathematic Benchmark For Large Language Models

Bofei Gao, Feifan Song, Zhe Yang, Zefan Cai, Yibo Miao, Qingxiu Dong, Lei Li, Chenghao Ma, Liang Chen, Runxin Xu, Zhengyang Tang, Benyou Wang, Daoguang Zan, Shanghaoran Quan, Ge Zhang, Lei Sha, Yichang Zhang, Xuancheng Ren, Tianyu Liu, Baobao Chang•Oct 10, 2024•333

Cavia: Difusión de Video Multivista Controlada por Cámara con Atención Integrada de Vistas
Cavia: Camera-controllable Multi-view Video Diffusion with View-Integrated Attention

Dejia Xu, Yifan Jiang, Chen Huang, Liangchen Song, Thorsten Gernoth, Liangliang Cao, Zhangyang Wang, Hao Tang•Oct 14, 2024•264

DuoAtención: Inferencia eficiente de LLM de largo contexto con cabezas de recuperación y transmisión
DuoAttention: Efficient Long-Context LLM Inference with Retrieval and Streaming Heads

Guangxuan Xiao, Jiaming Tang, Jingwei Zuo, Junxian Guo, Shang Yang, Haotian Tang, Yao Fu, Song Han•Oct 14, 2024•72

Animate-X: Animación de Imágenes de Personajes Universal con Representación de Movimiento Mejorada
Animate-X: Universal Character Image Animation with Enhanced Motion Representation

Shuai Tan, Biao Gong, Xiang Wang, Shiwei Zhang, Dandan Zheng, Ruobing Zheng, Kecheng Zheng, Jingdong Chen, Ming Yang•Oct 14, 2024•575

MMIE: Conjunto de Evaluación Masivo Multimodal Entrelazado para Modelos de Visión-Lenguaje Grandes
MMIE: Massive Multimodal Interleaved Comprehension Benchmark for Large Vision-Language Models

Peng Xia, Siwei Han, Shi Qiu, Yiyang Zhou, Zhaoyang Wang, Wenhao Zheng, Zhaorun Chen, Chenhang Cui, Mingyu Ding, Linjie Li, Lijuan Wang, Huaxiu Yao•Oct 14, 2024•534

Lo Mismo Pero Diferente: Similitudes y Diferencias Estructurales en el Modelado del Lenguaje Multilingüe
The Same But Different: Structural Similarities and Differences in Multilingual Language Modeling

Ruochen Zhang, Qinan Yu, Matianyu Zang, Carsten Eickhoff, Ellie Pavlick•Oct 11, 2024•52

TVBench: Rediseñando la Evaluación de Video-Idioma
TVBench: Redesigning Video-Language Evaluation

Daniel Cores, Michael Dorkenwald, Manuel Mucientes, Cees G. M. Snoek, Yuki M. Asano•Oct 10, 2024•62

TemporalBench: Evaluación comparativa de la comprensión temporal detallada para modelos de video multimodales
TemporalBench: Benchmarking Fine-grained Temporal Understanding for Multimodal Video Models

Mu Cai, Reuben Tan, Jianrui Zhang, Bocheng Zou, Kai Zhang, Feng Yao, Fangrui Zhu, Jing Gu, Yiwu Zhong, Yuzhang Shang, Yao Dou, Jaden Park, Jianfeng Gao, Yong Jae Lee, Jianwei Yang•Oct 14, 2024•172