Ежедневные Исследовательские Статьи по ИИ

Ежедневно отобранные исследовательские статьи по ИИ с переводами

Масштабирование вычислений LLM во время тестирования может быть более эффективным, чем масштабирование параметров модели.
Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters

Charlie Snell, Jaehoon Lee, Kelvin Xu, Aviral Kumar•Aug 6, 2024•633

MMIU: Мультимодальное многокартинное понимание для оценки крупных моделей видео-языка
MMIU: Multimodal Multi-image Understanding for Evaluating Large Vision-Language Models

Fanqing Meng, Jin Wang, Chuanhao Li, Quanfeng Lu, Hao Tian, Jiaqi Liao, Xizhou Zhu, Jifeng Dai, Yu Qiao, Ping Luo, Kaipeng Zhang, Wenqi Shao•Aug 5, 2024•623

LLaVA-OneVision: Простой перенос визуальных задач
LLaVA-OneVision: Easy Visual Task Transfer

Bo Li, Yuanhan Zhang, Dong Guo, Renrui Zhang, Feng Li, Hao Zhang, Kaichen Zhang, Yanwei Li, Ziwei Liu, Chunyuan Li•Aug 6, 2024•612

Объект стоит 64x64 пикселя: Генерация 3D объекта через диффузию изображения
An Object is Worth 64x64 Pixels: Generating 3D Object via Image Diffusion

Xingguang Yan, Han-Hung Lee, Ziyu Wan, Angel X. Chang•Aug 6, 2024•413

MedTrinity-25M: Крупномасштабный мультимодальный набор данных с мультигранулярной разметкой для медицины
MedTrinity-25M: A Large-scale Multimodal Dataset with Multigranular Annotations for Medicine

Yunfei Xie, Ce Zhou, Lang Gao, Juncheng Wu, Xianhang Li, Hong-Yu Zhou, Sheng Liu, Lei Xing, James Zou, Cihang Xie, Yuyin Zhou•Aug 6, 2024•302

IPAdapter-Instruct: Разрешение неоднозначности в условиях, основанных на изображениях, с использованием инструктивных подсказок.
IPAdapter-Instruct: Resolving Ambiguity in Image-based Conditioning using Instruct Prompts

Ciara Rowles, Shimon Vainer, Dante De Nigris, Slava Elizarov, Konstantin Kutsy, Simon Donné•Aug 6, 2024•232

CoverBench: Сложный бенчмарк для верификации сложных утверждений
CoverBench: A Challenging Benchmark for Complex Claim Verification

Alon Jacovi, Moran Ambar, Eyal Ben-David, Uri Shaham, Amir Feder, Mor Geva, Dror Marcus, Avi Caciularu•Aug 6, 2024•152

Модели диффузии как инструменты для добычи данных
Diffusion Models as Data Mining Tools

Ioannis Siglidis, Aleksander Holynski, Alexei A. Efros, Mathieu Aubry, Shiry Ginosar•Jul 20, 2024•142

ReSyncer: Перекоммутация генератора на основе стиля для единой аудиовизуальной синхронизации лицевого исполнителя.
ReSyncer: Rewiring Style-based Generator for Unified Audio-Visually Synced Facial Performer

Jiazhi Guan, Zhiliang Xu, Hang Zhou, Kaisiyuan Wang, Shengyi He, Zhanwang Zhang, Borong Liang, Haocheng Feng, Errui Ding, Jingtuo Liu, Jingdong Wang, Youjian Zhao, Ziwei Liu•Aug 6, 2024•112

Синтез текста в SQL-данные от слабых и сильных моделей языка и логики.
Synthesizing Text-to-SQL Data from Weak and Strong LLMs

Jiaxi Yang, Binyuan Hui, Min Yang, Jian Yang, Junyang Lin, Chang Zhou•Aug 6, 2024•112

StructEval: Углубление и расширение оценки больших языковых моделей через структурированную оценку
StructEval: Deepen and Broaden Large Language Model Assessment via Structured Evaluation

Boxi Cao, Mengjie Ren, Hongyu Lin, Xianpei Han, Feng Zhang, Junfeng Zhan, Le Sun•Aug 6, 2024•102

AVESFormer: Эффективное проектирование трансформера для сегментации аудиовизуальных данных в реальном времени
AVESFormer: Efficient Transformer Design for Real-Time Audio-Visual Segmentation

Zili Wang, Qi Yang, Linsu Shi, Jiazhong Yu, Qinghua Liang, Fei Li, Shiming Xiang•Aug 3, 2024•42