Ежедневные Исследовательские Статьи по ИИ

Ежедневно отобранные исследовательские статьи по ИИ с переводами

MLLM в качестве судьи для безопасности изображений без маркировки людей
MLLM-as-a-Judge for Image Safety without Human Labeling

Zhenting Wang, Shuming Hu, Shiyu Zhao, Xiaowen Lin, Felix Juefei-Xu, Zhuowei Li, Ligong Han, Harihar Subramanyam, Li Chen, Jianfa Chen, Nan Jiang, Lingjuan Lyu, Shiqing Ma, Dimitris N. Metaxas, Ankit Jain•Dec 31, 2024•312

SeFAR: Полу-надзорное распознавание действий с тонкой детализацией с временными возмущениями и стабилизацией обучения
SeFAR: Semi-supervised Fine-grained Action Recognition with Temporal Perturbation and Learning Stabilization

Yongle Huang, Haodong Chen, Zhenbang Xu, Zihan Jia, Haozhou Sun, Dian Shao•Jan 2, 2025•52

CodeElo: Оценка конкурентоспособного уровня генерации кода LLM с рейтингами Elo, сравнимыми с человеческими.
CodeElo: Benchmarking Competition-level Code Generation of LLMs with Human-comparable Elo Ratings

Shanghaoran Quan, Jiaxi Yang, Bowen Yu, Bo Zheng, Dayiheng Liu, An Yang, Xuancheng Ren, Bofei Gao, Yibo Miao, Yunlong Feng, Zekun Wang, Jian Yang, Zeyu Cui, Yang Fan, Yichang Zhang, Binyuan Hui, Junyang Lin•Jan 2, 2025•536

A3: Арена агентов Android для мобильных GUI-агентов
A3: Android Agent Arena for Mobile GUI Agents

Yuxiang Chai, Hanhao Li, Jiayu Zhang, Liang Liu, Guozhi Wang, Shuai Ren, Siyuan Huang, Hongsheng Li•Jan 2, 2025•223

Понимание и устранение узких мест моделей пространства состояний через призму недавности и переусреднения.
Understanding and Mitigating Bottlenecks of State Space Models through the Lens of Recency and Over-smoothing

Peihao Wang, Ruisi Cai, Yuehao Wang, Jiajun Zhu, Pragya Srivastava, Zhangyang Wang, Pan Li•Dec 31, 2024•72

VideoRefer Suite: Развитие пространственно-временного понимания объектов с помощью видео LLM
VideoRefer Suite: Advancing Spatial-Temporal Object Understanding with Video LLM

Yuqian Yuan, Hang Zhang, Wentong Li, Zesen Cheng, Boqiang Zhang, Long Li, Xin Li, Deli Zhao, Wenqiao Zhang, Yueting Zhuang, Jianke Zhu, Lidong Bing•Dec 31, 2024•482

Реконструкция против Генерации: Укрощение Дилеммы Оптимизации в Моделях Латентной Диффузии
Reconstruction vs. Generation: Taming Optimization Dilemma in Latent Diffusion Models

Jingfeng Yao, Xinggang Wang•Jan 2, 2025•432

2.5 года в классе: мультимодальный учебник для предварительного обучения видео-языковому взаимодействию
2.5 Years in Class: A Multimodal Textbook for Vision-Language Pretraining

Wenqi Zhang, Hang Zhang, Xin Li, Jiashuo Sun, Yongliang Shen, Weiming Lu, Deli Zhao, Yueting Zhuang, Lidong Bing•Jan 1, 2025•1077

ПрогКо: программа помогает самокоррекции больших языковых моделей
ProgCo: Program Helps Self-Correction of Large Language Models

Xiaoshuai Song, Yanan Wu, Weixun Wang, Jiaheng Liu, Wenbo Su, Bo Zheng•Jan 2, 2025•272

MapQaTor: Система для эффективной разметки наборов данных запросов карт.
MapQaTor: A System for Efficient Annotation of Map Query Datasets

Mahir Labib Dihan, Mohammed Eunus Ali, Md Rizwan Parvez•Dec 30, 2024•102

Динамическое масштабирование модульных тестов для моделирования кода вознаграждения.
Dynamic Scaling of Unit Tests for Code Reward Modeling

Zeyao Ma, Xiaokang Zhang, Jing Zhang, Jifan Yu, Sijia Luo, Jie Tang•Jan 2, 2025•172

Вложенное внимание: семантически осознанные значения внимания для персонализации концепций.
Nested Attention: Semantic-aware Attention Values for Concept Personalization

Or Patashnik, Rinon Gal, Daniil Ostashev, Sergey Tulyakov, Kfir Aberman, Daniel Cohen-Or•Jan 2, 2025•112

VideoAnydoor: Вставка объектов видео высокой точности с точным управлением движением
VideoAnydoor: High-fidelity Video Object Insertion with Precise Motion Control

Yuanpeng Tu, Hao Luo, Xi Chen, Sihui Ji, Xiang Bai, Hengshuang Zhao•Jan 2, 2025•553

SeedVR: Засеивание бесконечности в трансформере диффузии к общему восстановлению видео.
SeedVR: Seeding Infinity in Diffusion Transformer Towards Generic Video Restoration

Jianyi Wang, Zhijie Lin, Meng Wei, Yang Zhao, Ceyuan Yang, Chen Change Loy, Lu Jiang•Jan 2, 2025•112

Диффузия, осведомленная о популяции, для генерации временных рядов
Population Aware Diffusion for Time Series Generation

Yang Li, Han Meng, Zhenyu Bi, Ingolv T. Urnes, Haipeng Chen•Jan 1, 2025•62

MapEval: Карта-основанная оценка геопространственного рассуждения в фундаментальных моделях
MapEval: A Map-Based Evaluation of Geo-Spatial Reasoning in Foundation Models

Mahir Labib Dihan, Md Tanvir Hassan, Md Tanvir Parvez, Md Hasebul Hasan, Md Almash Alam, Muhammad Aamir Cheema, Mohammed Eunus Ali, Md Rizwan Parvez•Dec 31, 2024•222

Объединение специализированных визуальных кодировщиков для моделей языка на основе видео
Unifying Specialized Visual Encoders for Video Language Models

Jihoon Chung, Tyler Zhu, Max Gonzalez Saez-Diez, Juan Carlos Niebles, Honglu Zhou, Olga Russakovsky•Jan 2, 2025•212

LTX-Видео: Потоковая диффузия латентного видео
LTX-Video: Realtime Video Latent Diffusion

Yoav HaCohen, Nisan Chiprut, Benny Brazowski, Daniel Shalem, Dudu Moshe, Eitan Richardson, Eran Levin, Guy Shiran, Nir Zabari, Ori Gordon, Poriya Panet, Sapir Weissbuch, Victor Kulikov, Yaki Bitterman, Zeev Melumian, Ofir Bibi•Dec 30, 2024•473

Переосмысление адресации в языковых моделях через контекстуализированные эквивариантные позиционные кодирования.
Rethinking Addressing in Language Models via Contexualized Equivariant Positional Encoding

Jiajun Zhu, Peihao Wang, Ruisi Cai, Jason D. Lee, Pan Li, Zhangyang Wang•Jan 1, 2025•64