Ежедневные Исследовательские Статьи по ИИ

Ежедневно отобранные исследовательские статьи по ИИ с переводами

MiniCPM-V: MLLM уровня GPT-4V на вашем телефоне
MiniCPM-V: A GPT-4V Level MLLM on Your Phone

Yuan Yao, Tianyu Yu, Ao Zhang, Chongyi Wang, Junbo Cui, Hongji Zhu, Tianchi Cai, Haoyu Li, Weilin Zhao, Zhihui He, Qianyu Chen, Huarong Zhou, Zhensheng Zou, Haoye Zhang, Shengding Hu, Zhi Zheng, Jie Zhou, Jie Cai, Xu Han, Guoyang Zeng, Dahai Li, Zhiyuan Liu, Maosong Sun•Aug 3, 2024•836

Языковая модель может слушать во время речи.
Language Model Can Listen While Speaking

Ziyang Ma, Yakun Song, Chenpeng Du, Jian Cong, Zhuo Chen, Yuping Wang, Yuxuan Wang, Xie Chen•Aug 5, 2024•426

Литейный завод RAG: Фреймворк для улучшения LLM для увеличения поиска и генерации
RAG Foundry: A Framework for Enhancing LLMs for Retrieval Augmented Generation

Daniel Fleischer, Moshe Berchansky, Moshe Wasserblat, Peter Izsak•Aug 5, 2024•382

Lumina-mGPT: Озарение гибкой фотореалистичной генерации текста в изображение с мультимодальным генеративным предобучением.
Lumina-mGPT: Illuminate Flexible Photorealistic Text-to-Image Generation with Multimodal Generative Pretraining

Dongyang Liu, Shitian Zhao, Le Zhuo, Weifeng Lin, Yu Qiao, Hongsheng Li, Peng Gao•Aug 5, 2024•362

MeshAnything V2: Генерация сетки, созданной художником, с смежной токенизацией сетки.
MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization

Yiwen Chen, Yikai Wang, Yihao Luo, Zhengyi Wang, Zilong Chen, Jun Zhu, Chi Zhang, Guosheng Lin•Aug 5, 2024•332

Самообучаемые оценщики
Self-Taught Evaluators

Tianlu Wang, Ilia Kulikov, Olga Golovneva, Ping Yu, Weizhe Yuan, Jane Dwivedi-Yu, Richard Yuanzhe Pang, Maryam Fazel-Zarandi, Jason Weston, Xian Li•Aug 5, 2024•304

Разглушивая мощь данных цунами: Комплексный обзор оценки и выбора данных для настройки инструкций языковых моделей.
Unleashing the Power of Data Tsunami: A Comprehensive Survey on Data Assessment and Selection for Instruction Tuning of Language Models

Yulei Qin, Yuncheng Yang, Pengcheng Guo, Gang Li, Hang Shao, Yuchen Shi, Zihan Xu, Yun Gu, Ke Li, Xing Sun•Aug 4, 2024•194

VidGen-1M: крупномасштабный набор данных для генерации видео по тексту
VidGen-1M: A Large-Scale Dataset for Text-to-video Generation

Zhiyu Tan, Xiaomeng Yang, Luozheng Qin, Hao Li•Aug 5, 2024•154

Проявляйте творчество, не воспроизводите! Пропульсивное распространение энергии для творческой генерации.
ProCreate, Dont Reproduce! Propulsive Energy Diffusion for Creative Generation

Jack Lu, Ryan Teehan, Mengye Ren•Aug 5, 2024•122

BioMamba: Предварительно обученная биомедицинская модель представления языка, использующая Mamba.
BioMamba: A Pre-trained Biomedical Language Representation Model Leveraging Mamba

Ling Yue, Sixue Xing, Yingzhou Lu, Tianfan Fu•Aug 5, 2024•112

GPUDrive: Симуляция вождения на основе данных с множеством агентов на графическом процессоре со скоростью 1 миллион кадров в секунду.
GPUDrive: Data-driven, multi-agent driving simulation at 1 million FPS

Saman Kazemkhani, Aarav Pandya, Daphne Cornelisse, Brennan Shacklett, Eugene Vinitsky•Aug 2, 2024•102

ExoViP: Пошаговая верификация и исследование с экзоскелетными модулями для композиционного визуального рассуждения
ExoViP: Step-by-step Verification and Exploration with Exoskeleton Modules for Compositional Visual Reasoning

Yuxuan Wang, Alan Yuille, Zhuowan Li, Zilong Zheng•Aug 5, 2024•92

Влияние гиперпараметров на производительность вывода больших языковых моделей: оценка конвейеров vLLM и HuggingFace
The Impact of Hyperparameters on Large Language Model Inference Performance: An Evaluation of vLLM and HuggingFace Pipelines

Matias Martinez•Aug 2, 2024•94

Операционализация контекстуальной целостности в ассистентах, соблюдающих конфиденциальность.
Operationalizing Contextual Integrity in Privacy-Conscious Assistants

Sahra Ghalebikesabi, Eugene Bagdasaryan, Ren Yi, Itay Yona, Ilia Shumailov, Aneesh Pappu, Chongyang Shi, Laura Weidinger, Robert Stanforth, Leonard Berrada, Pushmeet Kohli, Po-Sen Huang, Borja Balle•Aug 5, 2024•52