Articles de Recherche en IA Quotidiens

Articles de recherche en IA sélectionnés quotidiennement avec traductions

VITA : Vers un modèle de langage multimodal omni interactif open-source
VITA: Towards Open-Source Interactive Omni Multimodal LLM

Chaoyou Fu, Haojia Lin, Zuwei Long, Yunhang Shen, Meng Zhao, Yifan Zhang, Xiong Wang, Di Yin, Long Ma, Xiawu Zheng, Ran He, Rongrong Ji, Yunsheng Wu, Caifeng Shan, Xing Sun•Aug 9, 2024•493

Portée de Gemma : Des autoencodeurs éparses ouverts partout et simultanément sur Gemma 2
Gemma Scope: Open Sparse Autoencoders Everywhere All At Once on Gemma 2

Tom Lieberum, Senthooran Rajamanoharan, Arthur Conmy, Lewis Smith, Nicolas Sonnerat, Vikrant Varma, János Kramár, Anca Dragan, Rohin Shah, Neel Nanda•Aug 9, 2024•402

mPLUG-Owl3 : Vers la compréhension de longues séquences d'images dans les modèles de langage multi-modaux de grande taille
mPLUG-Owl3: Towards Long Image-Sequence Understanding in Multi-Modal Large Language Models

Jiabo Ye, Haiyang Xu, Haowei Liu, Anwen Hu, Ming Yan, Qi Qian, Ji Zhang, Fei Huang, Jingren Zhou•Aug 9, 2024•352

UniBench : Le raisonnement visuel nécessite de repenser la vision-langage au-delà de la simple mise à l'échelle
UniBench: Visual Reasoning Requires Rethinking Vision-Language Beyond Scaling

Haider Al-Tahan, Quentin Garrido, Randall Balestriero, Diane Bouchacourt, Caner Hazirbas, Mark Ibrahim•Aug 9, 2024•252

ToolSandbox : Un benchmark d'évaluation conversationnel, interactif et à état pour les capacités d'utilisation d'outils des LLM
ToolSandbox: A Stateful, Conversational, Interactive Evaluation Benchmark for LLM Tool Use Capabilities

Jiarui Lu, Thomas Holleis, Yizhe Zhang, Bernhard Aumayer, Feng Nan, Felix Bai, Shuang Ma, Shen Ma, Mengyu Li, Guoli Yin, Zirui Wang, Ruoming Pang•Aug 8, 2024•184

Propagation de caractéristiques inspirée de Kalman pour la super-résolution de visages en vidéo
Kalman-Inspired Feature Propagation for Video Face Super-Resolution

Ruicheng Feng, Chongyi Li, Chen Change Loy•Aug 9, 2024•103

BRAT : Token Bonus Orthogonal pour l'Inversion Textuelle Agnostic à l'Architecture
BRAT: Bonus oRthogonAl Token for Architecture Agnostic Textual Inversion

James Baker•Aug 8, 2024•92

MooER : Modèles de reconnaissance vocale et de traduction basés sur LLM de Moore Threads
MooER: LLM-based Speech Recognition and Translation Models from Moore Threads

Junhao Xu, Zhenlin Liang, Yi Liu, Yichao Hu, Jian Li, Yajun Zheng, Meng Cai, Hua Wang•Aug 9, 2024•82

MulliVC : Conversion vocale multilingue avec cohérence cyclique
MulliVC: Multi-lingual Voice Conversion With Cycle Consistency

Jiawei Huang, Chen Zhang, Yi Ren, Ziyue Jiang, Zhenhui Ye, Jinglin Liu, Jinzheng He, Xiang Yin, Zhou Zhao•Aug 8, 2024•82

Génération d'hypothèses expérimentales novatrices à partir de modèles de langage : Une étude de cas sur la généralisation trans-dative
Generating novel experimental hypotheses from language models: A case study on cross-dative generalization

Kanishka Misra, Najoung Kim•Aug 9, 2024•61