Kỹ thuật ngữ cảnh tác nhân: Phát triển ngữ cảnh cho các mô hình ngôn ngữ tự cải tiến
Các nhà nghiên cứu tại Đại học Carnegie Mellon đã phát triển một phương pháp mới để tạo ra các hình ảnh 3D có độ phân giải cao từ các mô hình ngôn ngữ lớn (LLM) như GPT-4. Phương pháp này, được gọi là "LLM-grounded Diffusion" (LGD), kết hợp khả năng hiểu ngữ nghĩa của LLM với khả năng tạo hình ảnh của các mô hình khuếch tán (diffusion models) để tạo ra các hình ảnh 3D chi tiết và chân thực. LGD hoạt động bằng cách sử dụng LLM để tạo ra một mô tả văn bản chi tiết về đối tượng 3D mong muốn. Mô tả này sau đó được đưa vào một mô hình khuếch tán để tạo ra một hình ảnh 2D của đối tượng. Cuối cùng, một mạng nơ-ron khác sẽ chuyển đổi hình ảnh 2D này thành một mô hình 3D. Các nhà nghiên cứu đã thử nghiệm LGD trên nhiều loại đối tượng khác nhau, bao gồm đồ vật, động vật và con người. Kết quả cho thấy LGD có thể tạo ra các hình ảnh 3D có độ phân giải cao và chân thực, vượt trội so với các phương pháp hiện có. LGD có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực, bao gồm thiết kế sản phẩm, trò chơi điện tử, phim ảnh và thực tế ảo. Phương pháp này cũng có thể được sử dụng để tạo ra các mô hình 3D cho các ứng dụng y tế và khoa học. **Các tính năng chính của LGD:** * **Tạo hình ảnh 3D có độ phân giải cao:** LGD có thể tạo ra các hình ảnh 3D chi tiết và chân thực, vượt trội so với các phương pháp hiện có. * **Sử dụng LLM để hiểu ngữ nghĩa:** LGD sử dụng LLM để tạo ra một mô tả văn bản chi tiết về đối tượng 3D mong muốn, giúp tạo ra các hình ảnh 3D chính xác hơn. * **Kết hợp mô hình khuếch tán và mạng nơ-ron:** LGD kết hợp khả năng tạo hình ảnh của các mô hình khuếch tán với khả năng chuyển đổi hình ảnh 2D thành 3D của mạng nơ-ron. * **Tiềm năng ứng dụng rộng rãi:** LGD có thể được sử dụng trong nhiều lĩnh vực, bao gồm thiết kế sản phẩm, trò chơi điện tử, phim ảnh, thực tế ảo, y tế và khoa học. **Tương lai của LGD:** Các nhà nghiên cứu đang tiếp tục phát triển LGD để cải thiện hiệu suất và mở rộng khả năng của nó. Họ hy vọng rằng LGD sẽ trở thành một công cụ mạnh mẽ để tạo ra các hình ảnh 3D chất lượng cao và thúc đẩy sự phát triển của các ứng dụng 3D.
Paperium
Đăng ngày 5/6
• Ban đầu được xuất bản tại paperium.net
Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models (Kỹ thuật ngữ cảnh tác nhân: Phát triển ngữ cảnh cho các mô hình ngôn ngữ tự cải thiện)
#ai
#deeplearning
#computerscience
#machinelearning
AI (Loạt bài 3461 phần)
1
Agent Learning via Early Experience (Học tập tác nhân thông qua kinh nghiệm ban đầu)
2
MM-HELIX: Boosting Multimodal Long-Chain Reflective Reasoning with Holistic Platform and Adaptive Hybrid Policy Optimization (MM-HELIX: Tăng cường suy luận phản chiếu chuỗi dài đa phương thức với nền tảng toàn diện và tối ưu hóa chính sách lai thích ứng)
... 3457 phần khác...
3
MemMamba: Rethinking Memory Patterns in State Space Model (MemMamba: Suy nghĩ lại các mẫu bộ nhớ trong mô hình không gian trạng thái)
4
UniVideo: Unified Understanding, Generation, and Editing for Videos (UniVideo: Hiểu, tạo và chỉnh sửa video thống nhất)
5
VideoCanvas: Unified Video Completion from Arbitrary Spatiotemporal Patches via In-Context Conditioning (VideoCanvas: Hoàn thành video thống nhất từ các bản vá không gian-thời gian tùy ý thông qua điều kiện trong ngữ cảnh)
6
DreamOmni2: Multimodal Instruction-based Editing and Generation (DreamOmni2: Chỉnh sửa và tạo đa phương thức dựa trên hướng dẫn)
7
From What to Why: A Multi-Agent System for Evidence-based Chemical Reaction Condition Reasoning (Từ cái gì đến tại sao: Một hệ thống đa tác nhân để suy luận điều kiện phản ứng hóa học dựa trên bằng chứng)
8
Meta-Awareness Enhances Reasoning Models: Self-Alignment Reinforcement Learning (Nhận thức siêu cấp tăng cường các mô hình suy luận: Học tăng cường tự căn chỉnh)
9
When Thoughts Meet Facts: Reusable Reasoning for Long-Context LMs (Khi suy nghĩ gặp sự thật: Suy luận có thể tái sử dụng cho các mô hình ngôn ngữ ngữ cảnh dài)
10
Low-probability Tokens Sustain Exploration in Reinforcement Learning with Verifiable Reward (Các token có xác suất thấp duy trì khám phá trong học tăng cường với phần thưởng có thể kiểm chứng)
11
The Alignment Waltz: Jointly Training Agents to Collaborate for Safety (Điệu valse căn chỉnh: Đào tạo chung các tác nhân để hợp tác vì an toàn)
12
Training-Free Group Relative Policy Optimization (Tối ưu hóa chính sách tương đối nhóm không cần đào tạo)
13
Hybrid Reinforcement: When Reward Is Sparse, It's Better to Be Dense (Tăng cường lai: Khi phần thưởng thưa thớt, tốt hơn nên dày đặc)
14
NewtonBench: Benchmarking Generalizable Scientific Law Discovery in LLM Agents (NewtonBench: Đánh giá khám phá luật khoa học tổng quát trong các tác nhân LLM)
15
ARTDECO: Towards Efficient and High-Fidelity On-the-Fly 3D Reconstruction with Structured Scene Representation (ARTDECO: Hướng tới tái tạo 3D hiệu quả và độ trung thực cao tức thì với biểu diễn cảnh có cấu trúc)
16
DeepPrune: Parallel Scaling without Inter-trace Redundancy (DeepPrune: Mở rộng song song không có dư thừa giữa các dấu vết)
17
First Try Matters: Revisiting the Role of Reflection in Reasoning Models (Lần thử đầu tiên quan trọng: Xem xét lại vai trò của phản ánh trong các mô hình suy luận)
18
LLMs Learn to Deceive Unintentionally: Emergent Misalignment in Dishonesty from Misaligned Samples to Biased Human-AI Interaction (LLM học cách lừa dối một cách vô ý: Sự sai lệch xuất hiện trong sự không trung thực từ các mẫu sai lệch đến tương tác người-AI thiên vị)
19
UniMMVSR: A Unified Multi-Modal Framework for Cascaded Video Super-Resolution (UniMMVSR: Một khung đa phương thức thống nhất cho siêu phân giải video xếp tầng)
20
NaViL: Rethinking Scaling Properties of Native Multimodal Large Language Models under Data Constraints (NaViL: Suy nghĩ lại các thuộc tính mở rộng của các mô hình ngôn ngữ lớn đa phương thức gốc dưới các ràng buộc dữ liệu)
21
CoMAS: Co-Evolving Multi-Agent Systems via Interaction Rewards (CoMAS: Các hệ thống đa tác nhân đồng tiến hóa thông qua phần thưởng tương tác)
22
PickStyle: Video-to-Video Style Transfer with Context-Style Adapters (PickStyle: Chuyển đổi phong cách video-sang-video với bộ điều hợp ngữ cảnh-phong cách)
23
UNIDOC-BENCH: A Unified Benchmark for Document-Centric Multimodal RAG (UNIDOC-BENCH: Một điểm chuẩn thống nhất cho RAG đa phương thức tập trung vào tài liệu)
24
InstructX: Towards Unified Visual Editing with MLLM Guidance (InstructX: Hướng tới chỉnh sửa hình ảnh thống nhất với hướng dẫn MLLM)
25
LongRM: Revealing and Unlocking the Context Boundary of Reward Modeling (LongRM: Tiết lộ và mở khóa ranh giới ngữ cảnh của mô hình hóa phần thưởng)
26
Learning on the Job: An Experience-Driven Self-Evolving Agent for Long-Horizon Tasks (Học trong công việc: Một tác nhân tự tiến hóa dựa trên kinh nghiệm cho các nhiệm vụ dài hạn)
27
Reinforcing Diffusion Models by Direct Group Preference Optimization (Tăng cường các mô hình khuếch tán bằng cách tối ưu hóa ưu tiên nhóm trực tiếp)
28
Taming Text-to-Sounding Video Generation via Advanced Modality Condition and Interaction (Kiểm soát tạo video từ văn bản thành âm thanh thông qua điều kiện và tương tác phương thức nâng cao)
29
Entropy Regularizing Activation: Boosting Continuous Control, Large Language Models, and Image Classification with Activation as (Kích hoạt điều hòa Entropy: Tăng cường kiểm soát liên tục, mô hình ngôn ngữ lớn và phân loại hình ảnh với kích hoạt là)
30
Memory Retrieval and Consolidation in Large Language Models through Function Tokens (Truy xuất và củng cố bộ nhớ trong các mô hình ngôn ngữ lớn thông qua các token chức năng)
31
Recycling Pretrained Checkpoints: Orthogonal Growth of Mixture-of-Experts for Efficient Large Language Model Pre-Training (Tái chế các điểm kiểm tra được đào tạo trước: Tăng trưởng trực giao của hỗn hợp chuyên gia để đào tạo trước mô hình ngôn ngữ lớn hiệu quả)
32
GCPO: When Contrast Fails, Go Gold (GCPO: Khi độ tương phản thất bại, hãy chọn vàng)
33
UP2You: Fast Reconstruction of Yourself from Unconstrained Photo Collections (UP2You: Tái tạo nhanh chóng bản thân từ các bộ sưu tập ảnh không giới hạn)
34
OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction (OmniRetarget: Tạo dữ liệu bảo toàn tương tác cho thao tác di chuyển toàn thân hình người và tương tác cảnh)
35
DexNDM: Closing the Reality Gap for Dexterous In-Hand Rotation via Joint-Wise Neural Dynamics Model (DexNDM: Thu hẹp khoảng cách thực tế cho xoay khéo léo trong tay thông qua mô hình động lực học thần kinh theo khớp)
36. A^2Search: Trả lời câu hỏi nhận biết sự mơ hồ bằng học tăng cường.
37. Học cách định tuyến các mô hình ngôn ngữ lớn (LLM) từ phản hồi Bandit: Một chính sách, nhiều sự đánh đổi.
38. Search-R3: Thống nhất suy luận và tạo nhúng trong các mô hình ngôn ngữ lớn.
39. R2RGEN: Tạo dữ liệu 3D từ thực tế sang thực tế để thao tác tổng quát hóa không gian.
40. Drive&Gen: Đồng đánh giá các mô hình lái xe đầu cuối và tạo video.
41. Vượt ra ngoài các giá trị ngoại lai: Một nghiên cứu về các bộ tối ưu hóa trong lượng tử hóa.
42. SViM3D: Khuếch tán vật liệu video ổn định để tạo 3D từ một hình ảnh.
43. GyroSwin: Các mô hình thay thế 5D cho mô phỏng nhiễu loạn plasma Gyrokinetic.
44. Hướng tới chỉnh sửa 3D có thể mở rộng và nhất quán.
45. Sử dụng mạng trực tuyến nếu có thể: Hướng tới học tăng cường nhanh và ổn định.
46. Thành phần dữ liệu nhận biết độ trung thực để tổng quát hóa robot mạnh mẽ.
47. SciVideoBench: Đánh giá suy luận video khoa học trong các mô hình đa phương thức lớn.
48. Khuếch tán quy mô lớn thông qua tính nhất quán thời gian liên tục được điều chỉnh theo điểm số.
49. Vượt qua giới hạn lượt: Huấn luyện các tác nhân tìm kiếm sâu với cửa sổ ngữ cảnh động.
50. OpenRubrics: Hướng tới tạo tiêu chí tổng hợp có thể mở rộng để mô hình hóa phần thưởng và căn chỉnh LLM.
51. Tư duy bằng camera: Một mô hình đa phương thức thống nhất để hiểu và tạo lấy camera làm trung tâm.
52. D2E: Mở rộng đào tạo trước thị giác-hành động trên dữ liệu máy tính để chuyển sang AI thể hiện.
53. TAG: Hướng dẫn khuếch đại tiếp tuyến để lấy mẫu khuếch tán chống ảo giác.
54. Tối ưu hóa lời nhắc đa phương thức: Tại sao không tận dụng nhiều phương thức cho MLLM.
55. AutoPR: Hãy tự động hóa việc thăng tiến học thuật của bạn!
56. R-Horizon: Mô hình suy luận lớn của bạn thực sự có thể đi xa đến đâu về chiều rộng và chiều sâu?
57. Webscale-RL: Quy trình dữ liệu tự động để mở rộng dữ liệu RL đến mức đào tạo trước.
58. SpaceVista: Suy luận không gian trực quan ở mọi quy mô từ mm đến km.
59. StreamingVLM: Hiểu biết thời gian thực cho các luồng video vô hạn.
60. Đừng lãng phí sai lầm: Tận dụng các nhóm RL tiêu cực thông qua việc điều chỉnh lại độ tin cậy.
61. ARES: Suy luận thích ứng đa phương thức thông qua định hình entropy cấp mã thông báo nhận biết độ khó.
62. KORMo: Mô hình suy luận mở tiếng Hàn cho mọi người.
63. DISCO: Đa dạng hóa cô đặc mẫu để đánh giá mô hình hiệu quả.
64. Kết nối suy luận với học tập: Làm sáng tỏ ảo ảnh bằng cách tổng quát hóa độ phức tạp ngoài phân phối.
65. Biến đổi Gaussian lũy tiến với Anisotro.
Nguồn tin: Dev.to Machine Learning — Tác giả: Paperium. Bản dịch tiếng Việt do AI thực hiện, có thể có sai sót.