微软Mage团队研发,4B参数架构实现高效高清图像生成与编辑
前沿快讯 · 共 500 条
上海交大等团队提出,将语音模型中间推理压缩为高密度表示,提升速度与准确率
南京大学等团队提出,通过迭代加固测试与补丁,提升代码修复可靠性
北大等机构研发,通过多光谱假设与化学知识修正,精准解析有机分子结构
中科院自动化所等机构研发,可提前推演智能体未来风险并介入阻止
加州理工团队提出,将智能体设计为无状态执行者,通过共享知识库积累经验实现性能提升
该方法免训练将视觉语言知识提升为三维点级场景分割,支持零目标、单目标和多目标指令,资源成本低。
该方法流式统一相机运动、三维几何与长期物体身份,构建14.7万段视频数据集,长序列跟踪表现领先。
该研究通过可控实验揭示文本生成视频模型的数据质量边界,字幕错误比遗漏更具破坏性。
该方法让视觉语言模型从图像而非类别名称中学习可解释特征,提升无类别名称时的分类准确率。
该方法按推理成败分配自蒸馏信号,兼顾纠错能力与训练稳定性,综合推理准确率达50.49%。
该模型通过系统级优化实现高效原生分辨率图像生成与编辑,40亿参数即可与大模型竞争。
该研究发现模型机制结论取决于提取对象与比较尺度,粗粒度功能结构比精确线路更稳定。
该方法通过证据感知奖励减少长上下文模型无关复制,提升推理准确率与效率。
该基准用双层元评分表评测长文本事实完整性,发现最强模型仍遗漏近半关键内容。
该方法将商品价值写入淘宝生成式检索链路,提升商品访问量、成交笔数与金额,线上实验取得正向效果。
该方法通过在线策略蒸馏提升抗体CDR结构设计精度,将CDR-H3均方根偏差降至1.95埃。
该方法用像素级运动轨迹统一机器人正向与逆向世界建模,仅用15小时数据微调即可适配多种机器人形态。
该研究为机器人建立通用中间表征,贯通理解、执行与世界预测,提升动作精度与跨环境稳定性。
该模型为机器人配备短时视觉记忆与长期事件记忆,提升长期规划与跨形态迁移能力,在仿真任务中平均成功率达94.3%。
