Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

PyramidDrop: Acelerando tus grandes modelos de visión y lenguaje a través de la reducción de redundancia visual en forma de pirámide.
PyramidDrop: Accelerating Your Large Vision-Language Models via Pyramid Visual Redundancy Reduction

Long Xing, Qidong Huang, Xiaoyi Dong, Jiajie Lu, Pan Zhang, Yuhang Zang, Yuhang Cao, Conghui He, Jiaqi Wang, Feng Wu, Dahua Lin•Oct 22, 2024•482

SpectroMotion: Reconstrucción Dinámica 3D de Escenas Especulares
SpectroMotion: Dynamic 3D Reconstruction of Specular Scenes

Cheng-De Fan, Chen-Wei Chang, Yi-Ruei Liu, Jie-Ying Lee, Jiun-Long Huang, Yu-Chee Tseng, Yu-Lun Liu•Oct 22, 2024•432

Mejorar el Modelo de Lenguaje de Visión para el Razonamiento en Cadena de Pensamiento.
Improve Vision Language Model Chain-of-thought Reasoning

Ruohong Zhang, Bowen Zhang, Yanghao Li, Haotian Zhang, Zhiqing Sun, Zhe Gan, Yinfei Yang, Ruoming Pang, Yiming Yang•Oct 21, 2024•272

Alineando Modelos de Lenguaje Grandes a través de la Optimización Autoguiada
Aligning Large Language Models via Self-Steering Optimization

Hao Xiang, Bowen Yu, Hongyu Lin, Keming Lu, Yaojie Lu, Xianpei Han, Le Sun, Jingren Zhou, Junyang Lin•Oct 22, 2024•233

xGen-MM-Vid (BLIP-3-Video): Solo Necesitas 32 Tokens para Representar un Video Incluso en VLMs
xGen-MM-Vid (BLIP-3-Video): You Only Need 32 Tokens to Represent a Video Even in VLMs

Michael S. Ryoo, Honglu Zhou, Shrikant Kendre, Can Qin, Le Xue, Manli Shu, Silvio Savarese, Ran Xu, Caiming Xiong, Juan Carlos Niebles•Oct 21, 2024•182

Mitigación de la alucinación de objetos a través de la atención causal concéntrica.
Mitigating Object Hallucination via Concentric Causal Attention

Yun Xing, Yiheng Li, Ivan Laptev, Shijian Lu•Oct 21, 2024•172

MiniPLM: Destilación de Conocimiento para la Preentrenamiento de Modelos de Lenguaje
MiniPLM: Knowledge Distillation for Pre-Training Language Models

Yuxian Gu, Hao Zhou, Fandong Meng, Jie Zhou, Minlie Huang•Oct 22, 2024•162

JMMMU: Un banco de pruebas japonés de comprensión multimodal masiva y multidisciplinaria para evaluación consciente de la cultura.
JMMMU: A Japanese Massive Multi-discipline Multimodal Understanding Benchmark for Culture-aware Evaluation

Shota Onohara, Atsuyuki Miyai, Yuki Imajuku, Kazuki Egashira, Jeonghun Baek, Xiang Yue, Graham Neubig, Kiyoharu Aizawa•Oct 22, 2024•152

Optimización basada en LLM de Sistemas de IA Compuestos: Una Encuesta
LLM-based Optimization of Compound AI Systems: A Survey

Matthieu Lin, Jenny Sheng, Andrew Zhao, Shenzhi Wang, Yang Yue, Yiran Wu, Huan Liu, Jun Liu, Gao Huang, Yong-Jin Liu•Oct 21, 2024•152

EvoPress: Hacia la Compresión Óptima de Modelos Dinámicos a través de Búsqueda Evolutiva
EvoPress: Towards Optimal Dynamic Model Compression via Evolutionary Search

Oliver Sieberling, Denis Kuznedelev, Eldar Kurtic, Dan Alistarh•Oct 18, 2024•92

Neurocirugía Matemática: Aislar las Habilidades de Razonamiento Matemático de los Modelos de Lenguaje Utilizando Solo Pases Hacia Adelante
Math Neurosurgery: Isolating Language Models' Math Reasoning Abilities Using Only Forward Passes

Bryan R. Christ, Zack Gottesman, Jonathan Kropko, Thomas Hartvigsen•Oct 22, 2024•82

3DGS-Enhancer: Mejora de la dispersión gaussiana 3D ilimitada con precursores de difusión 2D consistentes con la vista
3DGS-Enhancer: Enhancing Unbounded 3D Gaussian Splatting with View-consistent 2D Diffusion Priors

Xi Liu, Chaoyi Zhou, Siyu Huang•Oct 21, 2024•52

Avances en la Colonoscopia Inteligente
Frontiers in Intelligent Colonoscopy

Ge-Peng Ji, Jingyi Liu, Peng Xu, Nick Barnes, Fahad Shahbaz Khan, Salman Khan, Deng-Ping Fan•Oct 22, 2024•42