Ежедневные Исследовательские Статьи по ИИ

Ежедневно отобранные исследовательские статьи по ИИ с переводами

Технический отчет по 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: Могут ли языковые модели с ограниченной памятью выполнять поиск и рассуждения в окне из 1 миллиона контекстов?
NeedleBench: Can LLMs Do Retrieval and Reasoning in 1 Million Context Window?

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

Масштабирование трансформеров диффузии до 16 миллиардов параметров
Scaling Diffusion Transformers to 16 Billion Parameters

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

Ref-AVS: Ссылка и сегментация объектов в аудиовизуальных сценах
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

Сибил: простая, но эффективная агентская платформа для сложного реального мирового рассуждения
Sibyl: Simple yet Effective Agent Framework for Complex Real-world Reasoning

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

VLMEvalKit: Открытый набор инструментов для оценки крупных многомодальных моделей.
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: Быстрое и качественное редактирование 3D-моделей с помощью управления редактируемостью и сохранением идентичности.
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

Эффективное обучение с очищенными нейронными весами.
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: Набор данных для оценки интеграции обратной связи и уточнения мультимодельных моделей.
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: Большой открытый многоязычный параллельный корпус жестового языка
YouTube-SL-25: A Large-Scale, Open-Domain Multilingual Sign Language Parallel Corpus

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

EfficientQAT: Эффективное обучение с учетом квантования для больших языковых моделей
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

От GaLore к WeLore: Как низкоранговые веса неравномерно возникают из низкоранговых градиентов
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: Масштабное представление Omni мультимодальности через пространства связывания
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

Захват разнообразных объектов с помощью симулированных гуманоидов
Grasping Diverse Objects with Simulated Humanoids

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

Vibravox: Набор данных французской речи, записанной с помощью аудиосенсоров на теле.
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

Песочница Data-Juicer: Комплексный набор инструментов для совместной разработки мультимодальных данных и моделей.
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: Интерактивная сегментация для любых трехмерных гауссовых функций
Click-Gaussian: Interactive Segmentation to Any 3D Gaussians

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

Неопределенность хрупкая: управление неопределенностью в больших языковых моделях.
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