AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：即插即用×
6月16日
20:46
6月12日
12:57
10:11
10:11arXiv cs.AI@Dachun Kai, Jiayao Lu, Yueyi Zhang, Xiaoyan Sun
EvTexture++ 是首个专注于视频超分辨率（VSR）中纹理增强的事件驱动框架，利用事件相机的高频时空细节提升纹理恢复质量。该框架包含定制纹理增强分支和迭代纹理增强模块，逐步利用高时间分辨率事件信息进行纹理修复，生成更精确的高分辨率输出。针对大运动导致的纹理闪烁问题，EvTexture++ 引入时间纹理对齐模块，利用事件连续时间运动线索实现精确帧间纹理对齐。该框架设计为即插即用工具，可灵活提升现有 VSR 模型性能，在纹理丰富的 Vid4 数据集上 PSNR 提升高达 1.55 dB。实验表明 EvTexture++ 在五个数据集上达到最先进水平，代码已开源。
论文视频超分辨率事件相机纹理增强即插即用开源/仓库
推荐理由：做视频超分或事件视觉的团队，EvTexture++ 的即插即用设计可以直接集成到现有模型提升纹理细节，值得在纹理密集场景试试。
原文
6月11日
15:28
15:23
15:07
5月18日
20:20
20:20AlphaSignal@AlphaSignalAI
精选76°
Nous Research 发表论文提出 Token Superposition Training，一种无需改变模型架构或优化器的即插即用方法，可将 LLM 预训练时间缩短最多 2.5 倍。该方法将连续 token 分组并平均其嵌入，然后联合预测下一组，使用多热交叉熵损失，并在训练中期（20-40% 后）切换回标准 next-token prediction。最终模型权重与常规训练一致，在 270M 到 10B MoE 规模上均优于基线损失和下游评估。这意味着训练成本大幅降低，且不影响最终模型质量。
论文预训练加速Token Superposition TrainingNous ResearchLLM训练即插即用
推荐理由：训练 LLM 的团队终于有了一个不改变模型、不调优化器的加速方案——直接插进去就能省 2.5 倍时间，做预训练或资源受限的开发者值得一试。
原文
5月15日
10:01
10:01arXiv cs.AI@Suorong Yang, Hanqi Zhu, Hai Gan, Fangjian Su, Guang Li, Furao Shen, Soujanya Poria
精选
现有数据选择方法主要关注“选什么”，但固定选择比例，忽略了动态调整数据量的潜力。本文从优化角度揭示，选择比例会隐式调节正则化效果：低比例增强正则化，高比例保持数据覆盖和优化保真度。为此，提出PODS框架，作为轻量级即插即用模块，在训练中动态调度选择数据量，交替低比例正则化阶段和高比例恢复阶段，平衡效率与泛化。实验表明，PODS可将ImageNet-1k训练成本降低50%且提升准确率，将LLM指令微调加速2倍以上且不损失性能。
论文数据选择训练效率正则化即插即用PODS
推荐理由：PODS解决了数据选择中“选多少”被忽视的问题，做模型训练优化的团队可以直接集成到现有方法中，无需改动评分指标，值得一试。
原文