全部 AI 动态 · AITOP

Check out this groundbreaking research where an AI agent designs machine learning algorithms for wireless resource management, achieving impressive results with lower inference cost and improved performance compared to initial architectures.

#Agentic Autoresearch #Machine Learning #Wireless Resource Management #AI Coding Agent

arXiv cs.LG@Ahmad Khan 等 4 人原文

模型11:15

Group-Shared Low-Rank Approximation for Mobile-Efficient Pointwise Convolutions in Large-Kernel CNNs

Read this if you're interested in how CGS low-rank approximation can make large-kernel CNNs more efficient for mobile devices, compared to existing methods like RepLKNet-31B.

#RepLKNet #low-rank approximation #CNNs #parameter reduction

arXiv cs.LG@Hao Luo 等 13 人原文

模型精选11:12

Robust CurveMoE: Multi-Norm Adversarial Defense for Mixture-of-Experts Models via Mode Connectivity

Robust CurveMoE 在 CIFAR-100 和 ImageNet-100 数据集上显著提升了混合专家模型的鲁棒性，比最强基线提高了 2.37% 和 2.13% 的联合准确率，值得一试。

#Robust CurveMoE #混合专家模型 #鲁棒性 #CIFAR-100

arXiv cs.LG@Xu Zhang, Ren Wang原文

论文11:07

CardioFusion-AI：信号退化下的多模态生理监测融合框架

CardioFusion-AI通过融合ECG和PPG信号，在信号退化下提供更可靠的生理监测，与现有方法相比，其性能更优。

#CardioFusion-AI #多模态生理监测 #信号质量指数 #脉动传输时间估计

arXiv cs.LG@Navaneetha Krishnan Kamalakannan, Janakiraman Kamalakannan原文

论文精选11:02

Spectral Allocation: Muon超越Adam，如何改进Muon

这篇论文揭示了为什么Muon优于Adam，并提出了改进方案SAMuon，值得AI模型研究者关注。

#Muon #谱分配 #大语言模型 #优化算法

arXiv cs.LG@Xiaodong Wu 等 4 人原文

论文10:50

FRAME: 医学图像公平性中的采样变异与表征原因分离

FRAME框架能够有效区分需要机制解释的差异和与采样变异兼容的差异，对于医学图像公平性研究具有重要价值。

#FRAME框架 #医学图像公平性 #采样变异 #表征原因分离

arXiv cs.LG@Mahshad Lotfinia 等 4 人原文

论文10:49

VBVR-Pro：可扩展且可验证的原生视觉推理套件

VBVR-Pro提供了可验证的奖励评分器，使原生视觉推理变得可训练、可验证、可优化和可实验控制，是进行视觉推理研究的强大工具。

#VBVR-Pro #原生视觉推理 #可验证奖励评分器 #视觉推理基准

arXiv cs.AI@Junxiang Xu 等 52 人原文

论文10:48

A Visual Dependence-Aware Framework for MU-CPT

Read this if you're interested in the latest advancements in MU-CPT and how to improve cross-modal learning in MLLMs without supervision.

#Multimodal Unsupervised Continual Post-Training #Visual Dependence-Aware #VC-OT #VMA

arXiv cs.AI@Kaichen Li 等 10 人原文

论文10:47

MyoMechanix：基于生物力学的技能活动理解和指导

MyoMechanix通过多模态感知和结构化表示，在技能活动理解和指导方面取得了突破，为健身、康复、医疗和机器学习领域的物理AI应用提供了新的解决方案。

#MyoMechanix #生物力学 #技能活动理解 #多模态

arXiv cs.AI@Hao Yin 等 9 人原文

论文10:46

稀疏自编码器在ν中微子基础模型中寻找和使用可解释的潜在表示

这篇论文展示了如何利用稀疏自编码器在ν中微子基础模型中寻找可解释的潜在表示，这对于理解模型的内部工作原理和设计下游任务非常有帮助。与传统的方向头相比，这种新的不确定性头在预测角重建误差方面表现出色。

#稀疏自编码器 #ν中微子基础模型 #物理概念图 #因果干预

arXiv cs.AI@Raphaël Bonnet-Guerrini 等 4 人原文

论文10:45

Planetary Prediction Engine: Autonomous Geospatial Prediction via Intelligent Data Selection and Foundation Model Embeddings

PPE通过智能数据选择和基础模型嵌入实现自主地理空间预测，在多个领域表现优于现有模型，降低行星规模分析的技术门槛，值得一看。

#Planetary Prediction Engine #geospatial prediction #multimodal data #PDFM

arXiv cs.AI@Evelyn Ma 等 28 人原文

论文10:44

TraceML：机器学习开发中人类-智能体规划的实证分析

想了解智能体在机器学习开发中的局限性？TraceML分析了134场Kaggle竞赛中的人类和智能体工作轨迹，揭示了智能体在数据工作、验证、模型更改和集成等方面的不足，值得一读。

#TraceML #机器学习开发 #智能体 #Kaggle竞赛

arXiv cs.AI@Jiarui Yan 等 5 人原文

论文10:42

ICON分解：用于模型审计的深度表示的多变量概念级解释

这篇论文提出了一个名为ICON分解的新方法，用于更准确地评估深度神经网络中各个概念的重要性，对于模型审计和可解释性研究具有重要意义。与现有的基线方法相比，它能够提供更可靠的解释，对于理解模型的决策过程非常有帮助。

#深度学习 #模型审计 #概念级解释 #ICON分解

arXiv cs.AI@Roshan Prakash Rane 等 10 人原文

论文10:41

SwarmWorld: 语言模型智能体中的群居技术进化

SwarmWorld展示了语言模型智能体如何通过协作构建技术，与独立搜索相比，其技术组合更广泛、更坚韧，值得一试。

#SwarmWorld #语言模型智能体 #技术进化 #协作构建

arXiv cs.AI@Subhadeep Pal 等 3 人原文

论文10:32

Gating Before Commitment: Anticipating Intent Divergence in AD

Read this paper if you're interested in how AI can prevent planning failures in autonomous driving by anticipating intent divergence and using a gating mechanism.

#intent misinterpretation #autonomous driving #decision layer #gating mechanism

arXiv cs.AI@Cong Xu, Ravi Sankar原文

论文10:31

Prefix Sliding for efficient test-time scaling

Prefix Sliding 提升模型推理速度，无需额外训练，开源代码可查。与总结中间token或普通滑动窗口相比，效果更佳。

#Prefix Sliding #test-time scaling #model efficiency #memory reduction

事件专题

arXiv cs.AI@Niklas Muennighoff 等 18 人2 个信源在谈原文

论文10:30

$R^3$: 通过强化学习训练机器人进行自然语言推理

这篇论文介绍了$R^3$，一种将VLMs转化为机器人推理器的方法，通过自由形式的语言推理来指导低级策略，值得一看。

#R^3 #自然语言推理 #机器人推理 #强化学习