Articles de Recherche en IA Quotidiens

Articles de recherche en IA sélectionnés quotidiennement avec traductions

Skywork-Math : Les lois de mise à l'échelle des données pour le raisonnement mathématique dans les grands modèles de langage — L'histoire continue
Skywork-Math: Data Scaling Laws for Mathematical Reasoning in Large Language Models -- The Story Goes On

Liang Zeng, Liangjun Zhong, Liang Zhao, Tianwen Wei, Liu Yang, Jujie He, Cheng Cheng, Rui Hu, Yang Liu, Shuicheng Yan, Han Fang, Yahui Zhou•Jul 11, 2024•535

Alignement de la diffusion vidéo via les gradients de récompense
Video Diffusion Alignment via Reward Gradients

Mihir Prabhudesai, Russell Mendonca, Zheyang Qin, Katerina Fragkiadaki, Deepak Pathak•Jul 11, 2024•512

Multimodal Self-Instruct : Génération synthétique d'images abstraites et instructions de raisonnement visuel à l'aide d'un modèle de langage
Multimodal Self-Instruct: Synthetic Abstract Image and Visual Reasoning Instruction Using Language Model

Wenqi Zhang, Zhenglin Cheng, Yuanyu He, Mengna Wang, Yongliang Shen, Zeqi Tan, Guiyang Hou, Mingqian He, Yanna Ma, Weiming Lu, Yueting Zhuang•Jul 9, 2024•473

MAVIS : Réglage d'Instructions Visuelles Mathématiques
MAVIS: Mathematical Visual Instruction Tuning

Renrui Zhang, Xinyu Wei, Dongzhi Jiang, Yichi Zhang, Ziyu Guo, Chengzhuo Tong, Jiaming Liu, Aojun Zhou, Bin Wei, Shanghang Zhang, Peng Gao, Hongsheng Li•Jul 11, 2024•343

Q-GaLore : Quantification GaLore avec Projection INT4 et Gradients de Bas Rang Adaptatifs par Couche
Q-GaLore: Quantized GaLore with INT4 Projection and Layer-Adaptive Low-Rank Gradients

Zhenyu Zhang, Ajay Jaiswal, Lu Yin, Shiwei Liu, Jiawei Zhao, Yuandong Tian, Zhangyang Wang•Jul 11, 2024•343

MambaVision : Une architecture hybride Mamba-Transformer pour la vision
MambaVision: A Hybrid Mamba-Transformer Vision Backbone

Ali Hatamizadeh, Jan Kautz•Jul 10, 2024•335

Auto-reconnaissance dans les modèles de langage
Self-Recognition in Language Models

Tim R. Davidson, Viacheslav Surkov, Veniamin Veselovsky, Giuseppe Russo, Robert West, Caglar Gulcehre•Jul 9, 2024•272

SEED-Story : Génération de longues histoires multimodales avec un modèle de langage de grande envergure
SEED-Story: Multimodal Long Story Generation with Large Language Model

Shuai Yang, Yuying Ge, Yang Li, Yukang Chen, Yixiao Ge, Ying Shan, Yingcong Chen•Jul 11, 2024•265

Votre modèle est-il vraiment un bon raisonneur mathématique ? Évaluation du raisonnement mathématique avec Checklist
Is Your Model Really A Good Math Reasoner? Evaluating Mathematical Reasoning with Checklist

Zihao Zhou, Shudong Liu, Maizhen Ning, Wei Liu, Jindong Wang, Derek F. Wong, Xiaowei Huang, Qiufeng Wang, Kaizhu Huang•Jul 11, 2024•234

DenseFusion-1M : Fusion d'experts visuels pour une perception multimodale complète
DenseFusion-1M: Merging Vision Experts for Comprehensive Multimodal Perception

Xiaotong Li, Fan Zhang, Haiwen Diao, Yueze Wang, Xinlong Wang, Ling-Yu Duan•Jul 11, 2024•192

GTA : Un Benchmark pour les Agents Outils Généraux
GTA: A Benchmark for General Tool Agents

Jize Wang, Zerun Ma, Yining Li, Songyang Zhang, Cailian Chen, Kai Chen, Xinyi Le•Jul 11, 2024•173

Synthèse de parole autorégressive sans quantification vectorielle
Autoregressive Speech Synthesis without Vector Quantization

Lingwei Meng, Long Zhou, Shujie Liu, Sanyuan Chen, Bing Han, Shujie Hu, Yanqing Liu, Jinyu Li, Sheng Zhao, Xixin Wu, Helen Meng, Furu Wei•Jul 11, 2024•174

La Synergie entre les Données et les Modèles de Langage Multi-Modaux à Grande Échelle : Une Étude sous l'Angle du Co-Développement
The Synergy between Data and Multi-Modal Large Language Models: A Survey from Co-Development Perspective

Zhen Qin, Daoyuan Chen, Wenhao Zhang, Liuyi Yao, Yilun Huang, Bolin Ding, Yaliang Li, Shuiguang Deng•Jul 11, 2024•134

Apprentissage par Renforcement par Boosting de Gradient
Gradient Boosting Reinforcement Learning

Benjamin Fuhrer, Chen Tessler, Gal Dalal•Jul 11, 2024•132

Live2Diff : Traduction de flux vidéo en direct via une attention unidirectionnelle dans les modèles de diffusion vidéo
Live2Diff: Live Stream Translation via Uni-directional Attention in Video Diffusion Models

Zhening Xing, Gereon Fox, Yanhong Zeng, Xingang Pan, Mohamed Elgharib, Christian Theobalt, Kai Chen•Jul 11, 2024•122

Modélisation implicite généralisable du mouvement pour l'interpolation d'images vidéo
Generalizable Implicit Motion Modeling for Video Frame Interpolation

Zujin Guo, Wei Li, Chen Change Loy•Jul 11, 2024•122

Map It Anywhere (MIA) : Renforcer la cartographie en vue aérienne grâce à l'utilisation de données publiques à grande échelle
Map It Anywhere (MIA): Empowering Bird's Eye View Mapping using Large-scale Public Data

Cherie Ho, Jiaye Zou, Omar Alama, Sai Mitheran Jagadesh Kumar, Benjamin Chiang, Taneesh Gupta, Chen Wang, Nikhil Keetha, Katia Sycara, Sebastian Scherer•Jul 11, 2024•114

Vers la construction d'une IA généraliste spécialisée grâce à la fusion des systèmes 1 et 2
Towards Building Specialized Generalist AI with System 1 and System 2 Fusion

Kaiyan Zhang, Biqing Qi, Bowen Zhou•Jul 11, 2024•112

WildGaussians : Projection de Gaussiennes 3D en environnement naturel
WildGaussians: 3D Gaussian Splatting in the Wild

Jonas Kulhanek, Songyou Peng, Zuzana Kukelova, Marc Pollefeys, Torsten Sattler•Jul 11, 2024•102

OmniNOCS : Un ensemble de données NOCS unifié et un modèle pour la reconstruction 3D d'objets 2D
OmniNOCS: A unified NOCS dataset and model for 3D lifting of 2D objects

Akshay Krishnan, Abhijit Kundu, Kevis-Kokitsi Maninis, James Hays, Matthew Brown•Jul 11, 2024•92

Mise à l'échelle de l'évaluation esthétique personnalisée via la personnalisation des vecteurs de tâche
Scaling Up Personalized Aesthetic Assessment via Task Vector Customization

Jooyeol Yun, Jaegul Choo•Jul 9, 2024•63