Articles de Recherche en IA Quotidiens

Articles de recherche en IA sélectionnés quotidiennement avec traductions

Rapport Technique de Qwen2-Audio
Qwen2-Audio Technical Report

Yunfei Chu, Jin Xu, Qian Yang, Haojie Wei, Xipin Wei, Zhifang Guo, Yichong Leng, Yuanjun Lv, Jinzheng He, Junyang Lin, Chang Zhou, Jingren Zhou•Jul 15, 2024•607

NeedleBench : Les modèles de langage peuvent-ils effectuer la recherche et le raisonnement dans une fenêtre contextuelle d'un million de tokens ?
NeedleBench: Can LLMs Do Retrieval and Reasoning in 1 Million Context Window?

Mo Li, Songyang Zhang, Yunxin Liu, Kai Chen•Jul 16, 2024•453

Mise à l'échelle des Transformers de Diffusion jusqu'à 16 milliards de paramètres
Scaling Diffusion Transformers to 16 Billion Parameters

Zhengcong Fei, Mingyuan Fan, Changqian Yu, Debang Li, Junshi Huang•Jul 16, 2024•272

Ref-AVS : Référencer et segmenter des objets dans des scènes audio-visuelles
Ref-AVS: Refer and Segment Objects in Audio-Visual Scenes

Yaoting Wang, Peiwen Sun, Dongzhan Zhou, Guangyao Li, Honggang Zhang, Di Hu•Jul 15, 2024•255

Sibyl : Un cadre d'agent simple mais efficace pour le raisonnement complexe en environnement réel
Sibyl: Simple yet Effective Agent Framework for Complex Real-world Reasoning

Yulong Wang, Tianhao Shen, Lifeng Liu, Jian Xie•Jul 15, 2024•184

VLMEvalKit : Une Boîte à Outils Open-Source pour l'Évaluation des Grands Modèles Multi-Modaux
VLMEvalKit: An Open-Source Toolkit for Evaluating Large Multi-Modality Models

Haodong Duan, Junming Yang, Yuxuan Qiao, Xinyu Fang, Lin Chen, Yuan Liu, Xiaoyi Dong, Yuhang Zang, Pan Zhang, Jiaqi Wang, Dahua Lin, Kai Chen•Jul 16, 2024•143

DreamCatalyst : Édition 3D rapide et de haute qualité grâce au contrôle de l'éditabilité et de la préservation de l'identité
DreamCatalyst: Fast and High-Quality 3D Editing via Controlling Editability and Identity Preservation

Jiwook Kim, Seonho Lee, Jaeyo Shin, Jiho Choi, Hyunjung Shim•Jul 16, 2024•122

Animate3D: Animating Any 3D Model with Multi-view Video Diffusion

Yanqin Jiang, Chaohui Yu, Chenjie Cao, Fan Wang, Weiming Hu, Jin Gao•Jul 16, 2024•102

Entraînement efficace avec des poids neuronaux débruités
Efficient Training with Denoised Neural Weights

Yifan Gong, Zheng Zhan, Yanyu Li, Yerlan Idelbayev, Andrey Zharkov, Kfir Aberman, Sergey Tulyakov, Yanzhi Wang, Jian Ren•Jul 16, 2024•93

FIRE : Un ensemble de données pour l'évaluation de l'intégration de feedback et du raffinement des modèles multimodaux
FIRE: A Dataset for Feedback Integration and Refinement Evaluation of Multimodal Models

Pengxiang Li, Zhi Gao, Bofei Zhang, Tao Yuan, Yuwei Wu, Mehrtash Harandi, Yunde Jia, Song-Chun Zhu, Qing Li•Jul 16, 2024•92

YouTube-SL-25 : Un corpus parallèle multilingue de langue des signes à grande échelle et en domaine ouvert
YouTube-SL-25: A Large-Scale, Open-Domain Multilingual Sign Language Parallel Corpus

Garrett Tanzer, Biao Zhang•Jul 15, 2024•94

EfficientQAT : Entraînement efficace avec prise en compte de la quantification pour les grands modèles de langage
EfficientQAT: Efficient Quantization-Aware Training for Large Language Models

Mengzhao Chen, Wenqi Shao, Peng Xu, Jiahao Wang, Peng Gao, Kaipeng Zhang, Yu Qiao, Ping Luo•Jul 10, 2024•93

De GaLore à WeLore : Comment les poids de bas rang émergent de manière non uniforme à partir de gradients de bas rang
From GaLore to WeLore: How Low-Rank Weights Non-uniformly Emerge from Low-Rank Gradients

Ajay Jaiswal, Lu Yin, Zhenyu Zhang, Shiwei Liu, Jiawei Zhao, Yuandong Tian, Zhangyang Wang•Jul 15, 2024•82

OmniBind : Représentation Omni Multimodale à Grande Échelle par Liaison d'Espaces
OmniBind: Large-scale Omni Multimodal Representation via Binding Spaces

Zehan Wang, Ziang Zhang, Hang Zhang, Luping Liu, Rongjie Huang, Xize Cheng, Hengshuang Zhao, Zhou Zhao•Jul 16, 2024•73

Saisie d'objets divers par des humanoïdes simulés
Grasping Diverse Objects with Simulated Humanoids

Zhengyi Luo, Jinkun Cao, Sammy Christen, Alexander Winkler, Kris Kitani, Weipeng Xu•Jul 16, 2024•52

Vibravox : Un ensemble de données de parole française capturée à l'aide de capteurs audio par conduction corporelle
Vibravox: A Dataset of French Speech Captured with Body-conduction Audio Sensors

Julien Hauret, Malo Olivier, Thomas Joubaud, Christophe Langrenne, Sarah Poirée, Véronique Zimpfer, Éric Bavu•Jul 16, 2024•42

Data-Juicer Sandbox : Une Suite Complète pour le Co-développement de Modèles et de Données Multimodales
Data-Juicer Sandbox: A Comprehensive Suite for Multimodal Data-Model Co-development

Daoyuan Chen, Haibin Wang, Yilun Huang, Ce Ge, Yaliang Li, Bolin Ding, Jingren Zhou•Jul 16, 2024•42

Click-Gaussian : Segmentation interactive vers n'importe quel modèle 3D de Gaussiennes
Click-Gaussian: Interactive Segmentation to Any 3D Gaussians

Seokhun Choi, Hyeonseop Song, Jaechul Kim, Taehyeong Kim, Hoseok Do•Jul 16, 2024•33

L'incertitude est fragile : Manipuler l'incertitude dans les grands modèles de langage
Uncertainty is Fragile: Manipulating Uncertainty in Large Language Models

Qingcheng Zeng, Mingyu Jin, Qinkai Yu, Zhenting Wang, Wenyue Hua, Zihao Zhou, Guangyan Sun, Yanda Meng, Shiqing Ma, Qifan Wang, Felix Juefei-Xu, Kaize Ding, Fan Yang, Ruixiang Tang, Yongfeng Zhang•Jul 15, 2024•12