Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

SeerAttention: Aprendizaje de Atención Esparsa Intrínseca en sus LLMs
SeerAttention: Learning Intrinsic Sparse Attention in Your LLMs

Yizhao Gao, Zhichen Zeng, Dayou Du, Shijie Cao, Hayden Kwok-Hay So, Ting Cao, Fan Yang, Mao Yang•Oct 17, 2024•302

Currículo de Difusión: Aprendizaje de Currículo Generativo Sintético-a-Real a través de Difusión Guiada por Imagen.
Diffusion Curriculum: Synthetic-to-Real Generative Curriculum Learning via Image-Guided Diffusion

Yijun Liang, Shweta Bhardwaj, Tianyi Zhou•Oct 17, 2024•173

FiTv2: Transformer de Visión Flexible Escalable y Mejorado para Modelos de Difusión
FiTv2: Scalable and Improved Flexible Vision Transformer for Diffusion Model

ZiDong Wang, Zeyu Lu, Di Huang, Cai Zhou, Wanli Ouyang, and Lei Bai•Oct 17, 2024•243

HART: Generación Visual Eficiente con Transformador Autoregresivo Híbrido
HART: Efficient Visual Generation with Hybrid Autoregressive Transformer

Haotian Tang, Yecheng Wu, Shang Yang, Enze Xie, Junsong Chen, Junyu Chen, Zhuoyang Zhang, Han Cai, Yao Lu, Song Han•Oct 14, 2024•182

Montessori-Instruct: Generación de Datos de Entrenamiento Influyentes Adaptados para el Aprendizaje del Estudiante
Montessori-Instruct: Generate Influential Training Data Tailored for Student Learning

Xiaochuan Li, Zichun Yu, Chenyan Xiong•Oct 18, 2024•32

MagicTailor: Personalización Controlable por Componentes en Modelos de Difusión Texto-a-Imagen
MagicTailor: Component-Controllable Personalization in Text-to-Image Diffusion Models

Donghao Zhou, Jiancheng Huang, Jinbin Bai, Jiaze Wang, Hao Chen, Guangyong Chen, Xiaowei Hu, Pheng-Ann Heng•Oct 17, 2024•387

UCFE: Un punto de referencia de experiencia financiera centrado en el usuario para modelos de lenguaje grandes
UCFE: A User-Centric Financial Expertise Benchmark for Large Language Models

Yuzhe Yang, Yifei Zhang, Yan Hu, Yilin Guo, Ruoli Gan, Yueru He, Mingcong Lei, Xiao Zhang, Haining Wang, Qianqian Xie, Jimin Huang, Honghai Yu, Benyou Wang•Oct 17, 2024•612

Mini-Omni2: Hacia un GPT-4o de código abierto con capacidades de visión, habla y dúplex.
Mini-Omni2: Towards Open-source GPT-4o with Vision, Speech and Duplex Capabilities

Zhifei Xie, Changqiao Wu•Oct 15, 2024•222

BiGR: Aprovechando Códigos Latentes Binarios para Generación de Imágenes y Mejora de las Capacidades de Representación Visual
BiGR: Harnessing Binary Latent Codes for Image Generation and Improved Visual Representation Capabilities

Shaozhe Hao, Xuantong Liu, Xianbiao Qi, Shihao Zhao, Bojia Zi, Rong Xiao, Kai Han, Kwan-Yee K. Wong•Oct 18, 2024•82

¿Son Suficientemente Buenos los Detectores de IA? Una Encuesta sobre la Calidad de los Conjuntos de Datos con Textos Generados por Máquinas
Are AI Detectors Good Enough? A Survey on Quality of Datasets With Machine-Generated Texts

German Gritsai, Anastasia Voznyuk, Andrey Grabovoy, Yury Chekhovich•Oct 18, 2024•125

Agentes Web con Modelos del Mundo: Aprendiendo y Aprovechando la Dinámica del Entorno en la Navegación Web
Web Agents with World Models: Learning and Leveraging Environment Dynamics in Web Navigation

Hyungjoo Chae, Namyoung Kim, Kai Tzu-iunn Ong, Minju Gwak, Gwanwoo Song, Jihoon Kim, Sunghwan Kim, Dongha Lee, Jinyoung Yeo•Oct 17, 2024•442

NaturalBench: Evaluando Modelos Visión-Lenguaje en Muestras Adversarias Naturales
NaturalBench: Evaluating Vision-Language Models on Natural Adversarial Samples

Baiqi Li, Zhiqiu Lin, Wenxuan Peng, Jean de Dieu Nyandwi, Daniel Jiang, Zixian Ma, Simran Khanuja, Ranjay Krishna, Graham Neubig, Deva Ramanan•Oct 18, 2024•404

SHAKTI: Un modelo de lenguaje pequeño con 2.5 mil millones de parámetros optimizado para la inteligencia artificial en el borde y entornos de recursos limitados.
SHAKTI: A 2.5 Billion Parameter Small Language Model Optimized for Edge AI and Low-Resource Environments

Syed Abdul Gaffar Shakhadri, Kruthika KR, Rakshit Aralimatti•Oct 15, 2024•83

El contexto es clave (NMF): Modelado de la dinámica de información temática en los medios de la diáspora china.
Context is Key(NMF): Modelling Topical Information Dynamics in Chinese Diaspora Media

Ross Deans Kristensen-McLachlan, Rebecca M. M. Hicke, Márton Kardos, Mette Thunø•Oct 16, 2024•53

DPLM-2: Un Modelo de Lenguaje de Proteínas de Difusión Multimodal
DPLM-2: A Multimodal Diffusion Protein Language Model

Xinyou Wang, Zaixiang Zheng, Fei Ye, Dongyu Xue, Shujian Huang, Quanquan Gu•Oct 17, 2024•223

Mirando hacia adentro: Los modelos de lenguaje pueden aprender sobre sí mismos a través de la introspección.
Looking Inward: Language Models Can Learn About Themselves by Introspection

Felix J Binder, James Chua, Tomek Korbak, Henry Sleight, John Hughes, Robert Long, Ethan Perez, Miles Turpin, Owain Evans•Oct 17, 2024•811

DAWN: Avatar de Marco Dinámico con Marco de Difusión No Autoregresivo para la Generación de Vídeos de Cabeza Parlante
DAWN: Dynamic Frame Avatar with Non-autoregressive Diffusion Framework for Talking Head Video Generation

Hanbo Cheng, Limin Lin, Chenyu Liu, Pengcheng Xia, Pengfei Hu, Jiefeng Ma, Jun Du, Jia Pan•Oct 17, 2024•122

¿Cómo influyen los métodos de entrenamiento en la utilización de modelos de visión?
How Do Training Methods Influence the Utilization of Vision Models?

Paul Gavrikov, Shashank Agnihotri, Margret Keuper, Janis Keuper•Oct 18, 2024•52

Enseñando a los Modelos a Equilibrar la Resistencia y la Aceptación de la Persuasión.
Teaching Models to Balance Resisting and Accepting Persuasion

Elias Stengel-Eskin, Peter Hase, Mohit Bansal•Oct 18, 2024•32

Un error común en la alineación de modelos de lenguaje basados en márgenes: Entrelazamiento de gradientes.
A Common Pitfall of Margin-based Language Model Alignment: Gradient Entanglement

Hui Yuan, Yifan Zeng, Yue Wu, Huazheng Wang, Mengdi Wang, Liu Leqi•Oct 17, 2024•42