Articles de Recherche en IA Quotidiens

Articles de recherche en IA sélectionnés quotidiennement avec traductions

Élimination de la Sursaturation et des Artéfacts des Échelles de Guidage Élevées dans les Modèles de Diffusion
Eliminating Oversaturation and Artifacts of High Guidance Scales in Diffusion Models

Seyedmorteza Sadat, Otmar Hilliges, Romann M. Weber•Oct 3, 2024•314

Pré-entraînement localisé contrastif langage-image
Contrastive Localized Language-Image Pre-Training

Hong-You Chen, Zhengfeng Lai, Haotian Zhang, Xinze Wang, Marcin Eichner, Keen You, Meng Cao, Bowen Zhang, Yinfei Yang, Zhe Gan•Oct 3, 2024•383

Open-RAG : Raisonnement Amélioré avec Récupération Augmentée en utilisant des Modèles de Langage à Grande Échelle en Open Source
Open-RAG: Enhanced Retrieval-Augmented Reasoning with Open-Source Large Language Models

Shayekh Bin Islam, Md Asib Rahman, K S M Tozammel Hossain, Enamul Hoque, Shafiq Joty, Md Rizwan Parvez•Oct 2, 2024•103

Loong : Génération de vidéos longues au niveau de la minute avec des modèles de langage autorégressifs
Loong: Generating Minute-level Long Videos with Autoregressive Language Models

Yuqing Wang, Tianwei Xiong, Daquan Zhou, Zhijie Lin, Yang Zhao, Bingyi Kang, Jiashi Feng, Xihui Liu•Oct 3, 2024•383

VinePPO : Libérer le potentiel de l'apprentissage par renforcement pour le raisonnement LLM grâce à une attribution de crédit affinée
VinePPO: Unlocking RL Potential For LLM Reasoning Through Refined Credit Assignment

Amirhossein Kazemnejad, Milad Aghajohari, Eva Portelance, Alessandro Sordoni, Siva Reddy, Aaron Courville, Nicolas Le Roux•Oct 2, 2024•252

CLIP-MoE : Vers la construction d'un Mélange d'Experts pour CLIP avec un Recyclage Diversifié des Multiplets
CLIP-MoE: Towards Building Mixture of Experts for CLIP with Diversified Multiplet Upcycling

Jihai Zhang, Xiaoye Qu, Tong Zhu, Yu Cheng•Sep 28, 2024•202

Incorporation contextuelle des embeddings de documents
Contextual Document Embeddings

John X. Morris, Alexander M. Rush•Oct 3, 2024•234

Échange de couches pour le transfert interlingue sans apprentissage dans de grands modèles de langage
Layer Swapping for Zero-Shot Cross-Lingual Transfer in Large Language Models

Lucas Bandarkar, Benjamin Muller, Pritish Yuvraj, Rui Hou, Nayan Singhal, Hongjiang Lv, Bing Liu•Oct 2, 2024•53

MedVisionLlama : Exploiter les couches de modèles de langage pré-entraînés de grande taille pour améliorer la segmentation d'images médicales
MedVisionLlama: Leveraging Pre-Trained Large Language Model Layers to Enhance Medical Image Segmentation

Gurucharan Marthi Krishna Kumar, Aman Chadha, Janine Mendola, Amir Shmuel•Oct 3, 2024•95

Synthio : Augmentation de petits ensembles de données de classification audio à l'aide de données synthétiques
Synthio: Augmenting Small-Scale Audio Classification Datasets with Synthetic Data

Sreyan Ghosh, Sonal Kumar, Zhifeng Kong, Rafael Valle, Bryan Catanzaro, Dinesh Manocha•Oct 2, 2024•62

SciPrompt : Guidage augmenté par la connaissance pour la catégorisation fine des sujets scientifiques
SciPrompt: Knowledge-augmented Prompting for Fine-grained Categorization of Scientific Topics

Zhiwen You, Kanyao Han, Haotian Zhu, Bertram Ludäscher, Jana Diesner•Oct 2, 2024•43

L-CiteEval : Les modèles à long contexte exploitent-ils vraiment le contexte pour répondre ?
L-CiteEval: Do Long-Context Models Truly Leverage Context for Responding?

Zecheng Tang, Keyan Zhou, Juntao Li, Baibei Ji, Jianye Hou, Min Zhang•Oct 3, 2024•103

LLaVA-Critic : Apprendre à Évaluer les Modèles Multimodaux
LLaVA-Critic: Learning to Evaluate Multimodal Models

Tianyi Xiong, Xiyao Wang, Dong Guo, Qinghao Ye, Haoqi Fan, Quanquan Gu, Heng Huang, Chunyuan Li•Oct 3, 2024•363

MVGS : Éclatement gaussien régulé multi-vues pour la synthèse de nouvelles vues
MVGS: Multi-view-regulated Gaussian Splatting for Novel View Synthesis

Xiaobiao Du, Yida Wang, Xin Yu•Oct 2, 2024•83

Entraîner des modèles de langage sur des séquences d'édition synthétiques améliore la synthèse de code.
Training Language Models on Synthetic Edit Sequences Improves Code Synthesis

Ulyana Piterbarg, Lerrel Pinto, Rob Fergus•Oct 3, 2024•123

Apprentissage des règles latentes d'un jeu à partir de données : une histoire d'échecs
Learning the Latent Rules of a Game from Data: A Chess Story

Ben Fauber•Oct 3, 2024•52

Extraction d'un Assistant Vocal de Bout en Bout sans Entraînement par Instruction Données
Distilling an End-to-End Voice Assistant Without Instruction Training Data

William Held, Ella Li, Michael Ryan, Weiyan Shi, Yanzhe Zhang, Diyi Yang•Oct 3, 2024•235

Robin3D : Amélioration du modèle de langage 3D via un réglage robuste des instructions
Robin3D: Improving 3D Large Language Model via Robust Instruction Tuning

Weitai Kang, Haifeng Huang, Yuzhang Shang, Mubarak Shah, Yan Yan•Sep 30, 2024•52

Réexaminer les données de légendes d'images à grande échelle dans la pré-formation des modèles fondamentaux multimodaux.
Revisit Large-Scale Image-Caption Data in Pre-training Multimodal Foundation Models

Zhengfeng Lai, Vasileios Saveris, Chen Chen, Hong-You Chen, Haotian Zhang, Bowen Zhang, Juan Lao Tebar, Wenze Hu, Zhe Gan, Peter Grasch, Meng Cao, Yinfei Yang•Oct 3, 2024•552

Profondeur Pro : Profondeur métrique nette monoculaire en moins d'une seconde
Depth Pro: Sharp Monocular Metric Depth in Less Than a Second

Aleksei Bochkovskii, Amaël Delaunoy, Hugo Germain, Marcel Santos, Yichao Zhou, Stephan R. Richter, Vladlen Koltun•Oct 2, 2024•422

Les grands modèles de langage en tant que chaînes de Markov
Large Language Models as Markov Chains

Oussama Zekri, Ambroise Odonnat, Abdelhakim Benechehab, Linus Bleistein, Nicolas Boullé, Ievgen Redko•Oct 3, 2024•333

Amélioration des Agents IA Autonomes avec la Recherche Arborescente Réflexive et l'Auto-apprentissage
Improving Autonomous AI Agents with Reflective Tree Search and Self-Learning

Xiao Yu, Baolin Peng, Vineeth Vajipey, Hao Cheng, Michel Galley, Jianfeng Gao, Zhou Yu•Oct 2, 2024•92

L'intelligence au bord du chaos
Intelligence at the Edge of Chaos

Shiyang Zhang, Aakash Patel, Syed A Rizvi, Nianchen Liu, Sizhuang He, Amin Karbasi, Emanuele Zappala, David van Dijk•Oct 3, 2024•62

Interprétation et Édition des Représentations Vision-Texte pour Atténuer les Hallucinations
Interpreting and Editing Vision-Language Representations to Mitigate Hallucinations

Nick Jiang, Anish Kachinthaya, Suzie Petryk, Yossi Gandelsman•Oct 3, 2024•92

Vinoground : Examen des LMM sur le raisonnement temporel dense avec des vidéos courtes
Vinoground: Scrutinizing LMMs over Dense Temporal Reasoning with Short Videos

Jianrui Zhang, Mu Cai, Yong Jae Lee•Oct 3, 2024•72

Optimisation des instructions vidéo avec des données synthétiques
Video Instruction Tuning With Synthetic Data

Yuanhan Zhang, Jinming Wu, Wei Li, Bo Li, Zejun Ma, Ziwei Liu, Chunyuan Li•Oct 3, 2024•393

SageAttention : Attention précise sur 8 bits pour l'accélération de l'inférence plug-and-play
SageAttention: Accurate 8-Bit Attention for Plug-and-play Inference Acceleration

Jintao Zhang, Jia wei, Pengle Zhang, Jun Zhu, Jianfei Chen•Oct 3, 2024•505