13489 papers
Het paper introduceert SyncSpeech, een efficiënt en laag-latentie tekst-naar-spraakmodel dat de Temporal Masked Transformer-paradigma gebruikt om de voordelen van autoregressieve en niet-autoregressieve modellen te combineren, waardoor een aanzienlijke verbetering in snelheid en latentie wordt bereikt zonder in te leveren op spraakkwaliteit.
Dit paper introduceert Hadar en HadarE, twee nieuwe schedulers voor deep learning-clusters die door middel van taakniveau-heterogeniteitsbewustzijn en het forken van taken de resourcebenutting en trainingssnelheid aanzienlijk verbeteren ten opzichte van bestaande systemen zoals Gavel.
Deze studie introduceert MultiRisk, een adaptief deep learning-framework dat de voorspellingsnauwkeurigheid van borstkanker-subtypes verbetert door misvoorspellingsrisico's te analyseren en modellen dynamisch aan te passen aan datasetkenmerken en domeinverschuivingen.
Deze paper introduceert RRNCO, een nieuw architectuur voor neurale combinatorische optimalisatie die de kloof tussen simulatie en de realiteit overbrugt door adaptieve node-embeddings en een neurale adaptieve bias te gebruiken voor realistische, asymmetrische routeplanningsproblemen, ondersteund door een nieuw benchmarkdataset gebaseerd op data uit 100 steden.
Dit artikel biedt een uitgebreide review van methoden om digitale mensen in virtuele realiteit van persoonlijkheid te voorzien door middel van grote taalmodellen, waarbij het zowel de verschillende aanpassingstechnieken als de uitdagingen rondom prestaties en evaluatie belicht om toepassingen in onderwijs, therapie en gaming te bevorderen.
Dit artikel toont aan dat Stochastic Gradient Descent kan worden beschouwd als een aangepaste Bayesiaanse steekproefmethode die diffusie op een fractaal landschap simuleert, waarbij de fractale dimensie de toegankelijkheidsbeperkingen van het verlieslandschap in rekening brengt.
Dit paper introduceert Mask Fine-Tuning (MFT), een nieuwe aanpak voor het finetunen van grote taalmodellen die prestaties verbetert door het toepassen van binaire maskers op een bestaand model zonder de gewichten bij te werken, wat de noodzaak van het behoud van de volledige modelintegriteit vooruitstreeft.
Dit artikel introduceert een polynomiaal-tijdsalgoritme voor het efficiënt identificeren en iteratief verwijderen van gedomineerde acties in imperfecte-informatiespellen met twee spelers en publiek waarneembare acties, waardoor de grootte van de spelboom als voorbewerkingsstap voor het berekenen van een Nash-evenwicht aanzienlijk kan worden gereduceerd.
Dit paper introduceert MegaScale-Data, een industriële architectuur voor gedistribueerde dataloaders die de trainingsefficiëntie van multimodale foundation modellen aanzienlijk verbetert door werklastonevenwichtigheid op te lossen en het geheugengebruik te verminderen via gedescentraliseerde voorverwerking en een gecentraliseerde data-orkestratie.
Het artikel introduceert QLLM, een nieuw kader dat grote taalmodellen gebruikt om trainingsvrije credit assignment-functies te genereren, waardoor de noodzaak van vooraf gedefinieerde mengnetwerken in multi-agent versterkingsleer wordt overbodig gemaakt en tegelijkertijd de interpretatie en prestaties worden verbeterd.
Nemotron-CrossThink is een framework dat door het integreren van multi-domein data en gestructureerde verifieerbare beloningen in Reinforcement Learning, de generalisatie, nauwkeurigheid en efficiëntie van grote taalmodellen voor diverse redeneertaken aanzienlijk verbetert.
Dit artikel introduceert een nieuw, onzekerheidsbewust kader dat blockgebaseerde conformale voorspelling combineert met een VQ-VAE-architectuur om hoogwaardige, fysiek consistente bathymetrische kaarten van de zeebodem te genereren met ruimtelijk adaptieve onzekerheidsschattingen, wat essentieel is voor nauwkeurige klimaatmodellen en kustrisico-analyses.
Deze paper introduceert PCCL, een schaalbare en hoogpresterende bibliotheek voor collectieve communicatie die, door gebruik te maken van een hiërarchisch ontwerp en leergerichte algoritme-selectie, aanzienlijke snelheidswinst boekt ten opzichte van bestaande oplossingen zoals RCCL en NCCL bij het trainen van deep learning-modellen op duizenden GPU's.
Deze studie presenteert een nieuw raamwerk voor tweefasenmaterialen dat een MC U-net en een fysiek-informeerde SRPINN-methode combineert om stressverdeling nauwkeurig te voorspellen en super-resolutie stressbeelden te genereren, zelfs bij beperkte beeldkwaliteit en zonder gekoppelde trainingsdata.
Dit artikel biedt een overzicht van de creatie, evaluatie en toepassing van synthetische datasets voor klinische dialogen en introduceert een nieuwe typologie om verschillende gradaties van datasynthese te classificeren en te vergelijken.
Het artikel introduceert Aitomia, een door AI-aangedreven platform dat experts en niet-experts ondersteunt bij het uitvoeren, analyseren en visualiseren van atomaire en kwantumchemische simulaties via chatbots en multi-agent systemen, waardoor de drempel voor dergelijk onderzoek wordt verlaagd.
Dit artikel introduceert een nieuwe beloningsstrategie voor reinforcement learning die de lengte van redeneerpaden in grote modellen aanzienlijk verkort zonder extra trainingsstappen, terwijl de prestaties op logische en wiskundige taken worden behouden of zelfs verbeterd.
Dit onderzoek presenteert de 'Active Contact Response'-methode, die robots in beperkte omgevingen in staat stelt om door fysieke interactie defecte teamleden te verplaatsen en zo de gezamenlijke taakuitvoering te behouden ondanks beperkte sensoren en communicatie.
Dit paper introduceert MDtrajNet, een nieuw neurale netwerk dat moleculaire dynamica-trajecten direct voorspelt over het chemische landschap heen, waardoor simulaties tot twee orde van grootte sneller worden dan traditionele methoden terwijl de nauwkeurigheid van ab initio-simulaties wordt behouden.
Dit artikel introduceert een kosteneffectieve methode waarbij grote taalmodellen hun redeneervermogen aanzienlijk verbeteren door supervisie van veel zwakkere modellen, waardoor bijna 94% van de prestaties van dure versterkingsleer wordt behaald.