ChatPaper.ai
Abrir menú
Inicio
Artículos Diarios
arXiv
HuggingFace
Precios
Cuenta
Espacio de trabajo
🇪🇸
Español
Loading...
•
•
•
•
•
•
•
•
•
•
Artículos de Investigación en IA Diarios
Artículos de investigación en IA seleccionados diariamente con traducciones
October 18th, 2024
Generador de Películas: Un Conjunto de Modelos Fundamentales de Medios
Movie Gen: A Cast of Media Foundation Models
Adam Polyak, Amit Zohar, Andrew Brown, Andros Tjandra, Animesh Sinha, Ann Lee, Apoorv Vyas, Bowen Shi, Chih-Yao Ma, Ching-Yao Chuang, David Yan, Dhruv Choudhary, Dingkang Wang, Geet Sethi, Guan Pang, Haoyu Ma, Ishan Misra, Ji Hou, Jialiang Wang, Kiran Jagadeesh, Kunpeng Li, Luxin Zhang, Mannat Singh, Mary Williamson, Matt Le, Matthew Yu, Mitesh Kumar Singh, Peizhao Zhang, Peter Vajda, Quentin Duval, Rohit Girdhar, Roshan Sumbaly, Sai Saketh Rambhatla, Sam Tsai, Samaneh Azadi, Samyak Datta, Sanyuan Chen, Sean Bell, Sharadh Ramaswamy, Shelly Sheynin, Siddharth Bhattacharya, Simran Motwani, Tao Xu, Tianhe Li, Tingbo Hou, Wei-Ning Hsu, Xi Yin, Xiaoliang Dai, Yaniv Taigman, Yaqiao Luo, Yen-Cheng Liu, Yi-Chiao Wu, Yue Zhao, Yuval Kirstain, Zecheng He, Zijian He, Albert Pumarola, Ali Thabet, Artsiom Sanakoyeu, Arun Mallya, Baishan Guo, Boris Araya, Breena Kerr, Carleigh Wood, Ce Liu, Cen Peng, Dimitry Vengertsev, Edgar Schonfeld, Elliot Blanchard, Felix Juefei-Xu, Fraylie Nord, Jeff Liang, John Hoffman, Jonas Kohler, Kaolin Fire, Karthik Sivakumar, Lawrence Chen, Licheng Yu, Luya Gao, Markos Georgopoulos, Rashel Moritz, Sara K. Sampson, Shikai Li, Simone Parmeggiani, Steve Fine, Tara Fowler, Vladan Petrovic, Yuming Du
•
Oct 17, 2024
•
99
2
MixEval-X: Evaluaciones de cualquier a cualquier a partir de mezclas de datos del mundo real.
MixEval-X: Any-to-Any Evaluations from Real-World Data Mixtures
Jinjie Ni, Yifan Song, Deepanway Ghosal, Bo Li, David Junhao Zhang, Xiang Yue, Fuzhao Xue, Zian Zheng, Kaichen Zhang, Mahir Shah, Kabir Jain, Yang You, Michael Shieh
•
Oct 17, 2024
•
76
2
JudgeBench: Un conjunto de pruebas para evaluar jueces basados en LLM.
JudgeBench: A Benchmark for Evaluating LLM-based Judges
Sijun Tan, Siyuan Zhuang, Kyle Montgomery, William Y. Tang, Alejandro Cuadron, Chenguang Wang, Raluca Ada Popa, Ion Stoica
•
Oct 16, 2024
•
48
2
Fluido: Escalando modelos generativos autoregresivos de texto a imagen con tokens continuos
Fluid: Scaling Autoregressive Text-to-image Generative Models with Continuous Tokens
Lijie Fan, Tianhong Li, Siyang Qin, Yuanzhen Li, Chen Sun, Michael Rubinstein, Deqing Sun, Kaiming He, Yonglong Tian
•
Oct 17, 2024
•
38
3
Janus: Desacoplar la Codificación Visual para una Comprensión y Generación Multimodal Unificadas
Janus: Decoupling Visual Encoding for Unified Multimodal Understanding and Generation
Chengyue Wu, Xiaokang Chen, Zhiyu Wu, Yiyang Ma, Xingchao Liu, Zizheng Pan, Wen Liu, Zhenda Xie, Xingkai Yu, Chong Ruan, Ping Luo
•
Oct 17, 2024
•
35
4
Hoja de ruta hacia la comprensión del habla superhumana utilizando Modelos de Lenguaje Grandes.
Roadmap towards Superhuman Speech Understanding using Large Language Models
Fan Bu, Yuhao Zhang, Xidong Wang, Benyou Wang, Qun Liu, Haizhou Li
•
Oct 17, 2024
•
35
2
MobA: Un sistema de agentes de dos niveles para la automatización eficiente de tareas móviles
MobA: A Two-Level Agent System for Efficient Mobile Task Automation
Zichen Zhu, Hao Tang, Yansi Li, Kunyao Lan, Yixuan Jiang, Hao Zhou, Yixiao Wang, Situo Zhang, Liangtai Sun, Lu Chen, Kai Yu
•
Oct 17, 2024
•
33
3
WorldCuisines: Un banco de pruebas a gran escala para preguntas y respuestas visuales multilingües y multiculturales sobre cocinas globales
WorldCuisines: A Massive-Scale Benchmark for Multilingual and Multicultural Visual Question Answering on Global Cuisines
Genta Indra Winata, Frederikus Hudi, Patrick Amadeus Irawan, David Anugraha, Rifki Afina Putri, Yutong Wang, Adam Nohejl, Ubaidillah Ariq Prathama, Nedjma Ousidhoum, Afifa Amriani, Anar Rzayev, Anirban Das, Ashmari Pramodya, Aulia Adila, Bryan Wilie, Candy Olivia Mawalim, Ching Lam Cheng, Daud Abolade, Emmanuele Chersoni, Enrico Santus, Fariz Ikhwantri, Garry Kuwanto, Hanyang Zhao, Haryo Akbarianto Wibowo, Holy Lovenia, Jan Christian Blaise Cruz, Jan Wira Gotama Putra, Junho Myung, Lucky Susanto, Maria Angelica Riera Machin, Marina Zhukova, Michael Anugraha, Muhammad Farid Adilazuarda, Natasha Santosa, Peerat Limkonchotiwat, Raj Dabre, Rio Alexander Audino, Samuel Cahyawijaya, Shi-Xiong Zhang, Stephanie Yulia Salim, Yi Zhou, Yinxuan Gui, David Ifeoluwa Adelani, En-Shiun Annie Lee, Shogo Okada, Ayu Purwarianti, Alham Fikri Aji, Taro Watanabe, Derry Tanti Wijaya, Alice Oh, Chong-Wah Ngo
•
Oct 16, 2024
•
33
3
Aprovechando las interfaces de usuario de páginas web para comprender visualmente textos ricos
Harnessing Webpage UIs for Text-Rich Visual Understanding
Junpeng Liu, Tianyue Ou, Yifan Song, Yuxiao Qu, Wai Lam, Chenyan Xiong, Wenhu Chen, Graham Neubig, Xiang Yue
•
Oct 17, 2024
•
32
2
DreamVideo-2: Personalización de video impulsada por el sujeto sin necesidad de entrenamiento con control preciso del movimiento.
DreamVideo-2: Zero-Shot Subject-Driven Video Customization with Precise Motion Control
Yujie Wei, Shiwei Zhang, Hangjie Yuan, Xiang Wang, Haonan Qiu, Rui Zhao, Yutong Feng, Feng Liu, Zhizhong Huang, Jiaxin Ye, Yingya Zhang, Hongming Shan
•
Oct 17, 2024
•
25
2
MMed-RAG: Sistema RAG Multimodal Versátil para Modelos de Visión y Lenguaje Médico
MMed-RAG: Versatile Multimodal RAG System for Medical Vision Language Models
Peng Xia, Kangyu Zhu, Haoran Li, Tianze Wang, Weijia Shi, Sheng Wang, Linjun Zhang, James Zou, Huaxiu Yao
•
Oct 16, 2024
•
23
3
MoH: Atención Multi-Cabeza como Atención Mezcla-de-Cabezas
MoH: Multi-Head Attention as Mixture-of-Head Attention
Peng Jin, Bo Zhu, Li Yuan, Shuicheng Yan
•
Oct 15, 2024
•
22
2
BenTo: Reducción de Tareas de Referencia con Transferibilidad en Contexto
BenTo: Benchmark Task Reduction with In-Context Transferability
Hongyu Zhao, Ming Li, Lichao Sun, Tianyi Zhou
•
Oct 17, 2024
•
20
3
PopAlign: Diversificando Patrones Contrastantes para una Alineación más Integral
PopAlign: Diversifying Contrasting Patterns for a More Comprehensive Alignment
Zekun Moore Wang, Shawn Wang, Kang Zhu, Jiaheng Liu, Ke Xu, Jie Fu, Wangchunshu Zhou, Wenhao Huang
•
Oct 17, 2024
•
19
2
Un Estudio Comparativo sobre los Patrones de Razonamiento del Modelo o1 de OpenAI
A Comparative Study on Reasoning Patterns of OpenAI's o1 Model
Siwei Wu, Zhongyuan Peng, Xinrun Du, Tuney Zheng, Minghao Liu, Jialong Wu, Jiachen Ma, Yizhi Li, Jian Yang, Wangchunshu Zhou, Qunshu Lin, Junbo Zhao, Zhaoxiang Zhang, Wenhao Huang, Ge Zhang, Chenghua Lin, J. H. Liu
•
Oct 17, 2024
•
19
2
Una Visión Unificada de la Edición de Parámetros Delta en Modelos a Gran Escala Post-Entrenados
A Unified View of Delta Parameter Editing in Post-Trained Large-Scale Models
Qiaoyu Tang, Le Yu, Bowen Yu, Hongyu Lin, Keming Lu, Yaojie Lu, Xianpei Han, Le Sun
•
Oct 17, 2024
•
17
2
FlatQuant: La planitud importa para la cuantificación de LLM
FlatQuant: Flatness Matters for LLM Quantization
Yuxuan Sun, Ruikang Liu, Haoli Bai, Han Bao, Kang Zhao, Yuening Li, Jiaxin Hu, Xianzhi Yu, Lu Hou, Chun Yuan, Xin Jiang, Wulong Liu, Jun Yao
•
Oct 12, 2024
•
15
2
VidPanos: Videos Panorámicos Generativos a partir de Videos de Barrido Casuales
VidPanos: Generative Panoramic Videos from Casual Panning Videos
Jingwei Ma, Erika Lu, Roni Paiss, Shiran Zada, Aleksander Holynski, Tali Dekel, Brian Curless, Michael Rubinstein, Forrester Cole
•
Oct 17, 2024
•
13
2
¿Los LLMs tienen corrección política? Analizando sesgos éticos y vulnerabilidades de jailbreak en sistemas de IA.
Do LLMs Have Political Correctness? Analyzing Ethical Biases and Jailbreak Vulnerabilities in AI Systems
Isack Lee, Haebin Seong
•
Oct 17, 2024
•
13
2
¿Pueden los MLLMs entender la profunda implicación detrás de las imágenes chinas?
Can MLLMs Understand the Deep Implication Behind Chinese Images?
Chenhao Zhang, Xi Feng, Yuelin Bai, Xinrun Du, Jinchang Hou, Kaixin Deng, Guangzeng Han, Qinrui Li, Bingli Wang, Jiaheng Liu, Xingwei Qu, Yifei Zhang, Qixuan Zhao, Yiming Liang, Ziqiang Liu, Feiteng Fang, Min Yang, Wenhao Huang, Chenghua Lin, Ge Zhang, Shiwen Ni
•
Oct 17, 2024
•
11
2
Avanzando a través del fracaso: Mejorando la corrección de errores generativa para ASR con datos sintéticos y aumento de recuperación
Failing Forward: Improving Generative Error Correction for ASR with Synthetic Data and Retrieval Augmentation
Sreyan Ghosh, Mohammad Sadegh Rasooli, Michael Levit, Peidong Wang, Jian Xue, Dinesh Manocha, Jinyu Li
•
Oct 17, 2024
•
10
2
Aprendizaje retrospectivo a partir de interacciones
Retrospective Learning from Interactions
Zizhao Chen, Mustafa Omer Gul, Yiwei Chen, Gloria Geng, Anne Wu, Yoav Artzi
•
Oct 17, 2024
•
9
2
Recordar, Recuperar y Generar: Comprendiendo Conceptos Visuales Infinitos como tu Asistente Personalizado
Remember, Retrieve and Generate: Understanding Infinite Visual Concepts as Your Personalized Assistant
Haoran Hao, Jiaming Han, Changsheng Li, Yu-Feng Li, Xiangyu Yue
•
Oct 17, 2024
•
9
2
MuVi: Generación de Música a partir de Videos con Alineación Semántica y Sincronización Rítmica
MuVi: Video-to-Music Generation with Semantic Alignment and Rhythmic Synchronization
Ruiqi Li, Siqi Zheng, Xize Cheng, Ziang Zhang, Shengpeng Ji, Zhou Zhao
•
Oct 16, 2024
•
9
2
MedMobile: Un modelo de lenguaje del tamaño de un dispositivo móvil con capacidades clínicas de nivel experto
MedMobile: A mobile-sized language model with expert-level clinical capabilities
Krithik Vishwanath, Jaden Stryker, Anton Alaykin, Daniel Alexander Alber, Eric Karl Oermann
•
Oct 11, 2024
•
9
2
γ-MoD: Explorando la Adaptación de Mezcla de Profundidad para Modelos de Lenguaje Multimodales de Gran Escala
γ-MoD: Exploring Mixture-of-Depth Adaptation for Multimodal Large Language Models
Yaxin Luo, Gen Luo, Jiayi Ji, Yiyi Zhou, Xiaoshuai Sun, Zhiqiang Shen, Rongrong Ji
•
Oct 17, 2024
•
8
2
LoLDU: Adaptación de Bajo Rango a través de la Descomposición Inferior-Diagonal-Superior para Ajuste Fino Eficiente de Parámetros
LoLDU: Low-Rank Adaptation via Lower-Diag-Upper Decomposition for Parameter-Efficient Fine-Tuning
Yiming Shi, Jiwei Wei, Yujia Wu, Ran Ran, Chengwei Sun, Shiyuan He, Yang Yang
•
Oct 17, 2024
•
7
2
Conjunto de Datos y Modelos de Materiales Inorgánicos Open Materials 2024 (OMat24)
Open Materials 2024 (OMat24) Inorganic Materials Dataset and Models
Luis Barroso-Luque, Muhammed Shuaibi, Xiang Fu, Brandon M. Wood, Misko Dzamba, Meng Gao, Ammar Rizvi, C. Lawrence Zitnick, Zachary W. Ulissi
•
Oct 16, 2024
•
7
1
Modelo de Reconstrucción de Secuencias Largas (Long-LRM) para la Cobertura Amplia de Salpicaduras Gaussianas.
Long-LRM: Long-sequence Large Reconstruction Model for Wide-coverage Gaussian Splats
Chen Ziwen, Hao Tan, Kai Zhang, Sai Bi, Fujun Luan, Yicong Hong, Li Fuxin, Zexiang Xu
•
Oct 16, 2024
•
6
2
Ajuste mínimo para desbloquear una producción extensa de LLMs con datos de alta calidad como clave
Minimum Tuning to Unlock Long Output from LLMs with High Quality Data as the Key
Yingda Chen, Xingjun Wang, Jintao Huang, Yunlin Mao, Daoze Zhang, Yuze Zhao
•
Oct 14, 2024
•
6
2
Hacia la Generación Visual de Realidad Aumentada sin Guía a través de la Alineación Contrastiva de Condiciones
Toward Guidance-Free AR Visual Generation via Condition Contrastive Alignment
Huayu Chen, Hang Su, Peize Sun, Jun Zhu
•
Oct 12, 2024
•
5
2
AERO: LLMs solo con Softmax para Inferencia Privada Eficiente
AERO: Softmax-Only LLMs for Efficient Private Inference
Nandan Kumar Jha, Brandon Reagen
•
Oct 16, 2024
•
4
2
TransAgente: Transferencia de Modelos Fundamentales de Visión-Lenguaje con Colaboración de Agentes Heterogéneos
TransAgent: Transfer Vision-Language Foundation Models with Heterogeneous Agent Collaboration
Yiwei Guo, Shaobin Zhuang, Kunchang Li, Yu Qiao, Yali Wang
•
Oct 16, 2024
•
4
2
SBI-RAG: Mejora de la resolución de problemas matemáticos para estudiantes a través de Instrucción Basada en Esquemas y Generación Aumentada por Recuperación.
SBI-RAG: Enhancing Math Word Problem Solving for Students through Schema-Based Instruction and Retrieval-Augmented Generation
Prakhar Dixit, Tim Oates
•
Oct 17, 2024
•
3
2