برچسب: یادگیری ماشین
SIEVE: فراموش‌سازی انتخابی اطلاعات در مدل‌های بینایی-زبان با سرکوب مقادیر توجه
روش SIEVE با سرکوب مقادیر توجه برای نمونه‌های فراموشی و تطبیق آن‌ها با مدل مرجع برای نمونه‌های نگه‌داری، بازیابی پیوندهای حساس تصویر–پرسش–پاسخ را کاهش می‌دهد. نتایج گزارش‌شده روی…
چشم‌انداز روبریک‌های ارزیابی استدلال بالینی در مدل‌های زبانی بزرگ
این پیش‌چاپ که داوری همتای مستقل آن تأیید نشده بررسی می‌کند ابزارهای موجود تا چه حد می‌توانند استدلال بالینی مدل‌های زبانی بزرگ را در پرونده‌های طولی و چندسندی…
MOLE: متخصصان نهانی مکمل برای استدلال بصری
MOLE با مسیردهی انتخابی شواهد بصری و تبدیل‌های اختصاصی متخصصان نهانی، برای کاهش افزونگی در استدلال بصری نهانی طراحی شده است.
وقتی ترجمه‌ها باید به یک مسیرشناس برسند
این پژوهش پیشنهاد می‌کند برای نزدیک‌تر کردن پردازش زبان‌ها در مدل‌های MoE، به‌جای هم‌تراز کردن مستقیم حالت‌های پنهان، توزیع انتخاب متخصص‌ها هم‌تراز شود؛ ایده‌ای امیدوارکننده با مرزهای روشن.
تفکیک خطاهای استدلال فضایی و عملگرهای ترکیب‌پذیر برای ویدیو
این مقاله CROSS را معرفی می‌کند: کتابخانه‌ای بدون آموزش افزوده برای اجرای محاسبات هندسی صریح در استدلال فضایی ویدیویی. نویسندگان با تفکیک ادراک، کفایت شواهد، انتخاب اندازه‌گیری و…
تراز بین‌زبانی در مدل‌های MoE با خروجی مسیریاب‌ها
این مقاله روشی برای هم‌راستا کردن پردازش زبان‌های مختلف در مدل‌های decoder-only مبتنی بر MoE معرفی می‌کند: نزدیک‌کردن توزیع میانگینِ انتخاب متخصصان برای جمله‌های ترجمه‌شده. آزمایش‌ها روی چهار…
Sphere Encoder 2: تولید تصویر با چرخش در فضای نهفته کروی
این مقاله نسخه دوم Sphere Encoder را معرفی می‌کند: یک خودرمزگذار تک‌مرحله‌ای برای تولید تصویر که با پوشش‌دادن ناحیه استوایی کره نهفته و جداکردن بازسازی از تولید، کیفیت…
هم‌بستگی جهانی در همکاری چندعامله
این مقاله مسئله‌ای را بررسی می‌کند که در آن هر عامل بر پایه دید محلی خود درست عمل می‌کند، اما نتیجه ترکیبی تیم با قیدهای مشترک ناسازگار می‌شود.…
Mem++: نگه‌داری غیرمخرب حافظه بلندمدت برای عامل‌های سازمانی
Mem++ اسناد سازمانی را کامل، همراه با تاریخ و نویسنده، نگه می‌دارد و انتخاب میان نسخه‌های متعارض را به زمان پاسخ‌گویی واگذار می‌کند.
وقتی پاداش یکسان، مهارت‌های دیداری متفاوت می‌آموزد
این پیش‌چاپ نشان می‌دهد که بهبود بنچمارک‌های تصویری لزوماً از یادگیری از تصاویر نمی‌آید؛ طراحی مسئله باید استفاده از شواهد دیداری را برای دریافت پاداش ضروری کند.