Command Palette
Search for a command to run...
Wiki
Nous avons compilé des centaines d'entrées connexes pour vous aider à comprendre "l'intelligence artificielle"
Thinking Evolution vise à étendre l’utilisation des ressources informatiques lors du raisonnement de manière innovante, permettant aux modèles de gérer des problèmes complexes plus efficacement.
Les grands modèles d’action visent à réaliser la transition de l’interaction linguistique à l’exécution d’actions dans le monde réel, poussant l’IA vers l’intelligence artificielle générale (AGI).
Les indices de fréquence sémantique visent à répondre aux limites des méthodes traditionnelles du domaine spatial grâce à l'analyse et à l'apprentissage sélectif dans le domaine fréquentiel.
ASAL vise à explorer automatiquement l'espace de simulation dans le domaine de la vie artificielle à l'aide de modèles fondamentaux.
L'apprentissage par méta-renforcement hors ligne vise à utiliser des données hors ligne pour former des modèles afin qu'ils puissent s'adapter rapidement à de nouvelles tâches ou à de nouveaux environnements sans interactions en ligne étendues.
La généralisation hors distribution vise à permettre au modèle de maintenir de bonnes performances et une bonne stabilité face à des distributions de données inconnues ou invisibles.
La théorie de l’approximation universelle montre qu’un réseau neuronal doté d’une structure suffisamment complexe peut approximer n’importe quelle fonction continue avec une précision arbitraire.
L’idée principale du DPO est d’optimiser directement les données de préférence humaine sans former un modèle de récompense distinct ni utiliser l’apprentissage par renforcement.
Le guide non formé vise à aborder la difficulté des modèles de diffusion dans le domaine de la génération conditionnelle.
La carte olfactive primaire vise à modéliser le lien entre la structure chimique d'une odeur et ses propriétés perceptives olfactives.
La détection hors distribution se concentre sur l’identification des échantillons de données qui n’ont pas été couverts pendant la phase de formation du modèle.
Star Attention peut réduire considérablement le temps d'inférence, réduisant les besoins en mémoire et le temps d'inférence jusqu'à 11 fois tout en maintenant une précision de 95-100%.
UniSeg3D peut implémenter 6 tâches différentes de segmentation de nuages de points 3D au sein du même modèle.
La compréhension et le traitement numériques visent à évaluer de manière indépendante les performances des grands modèles de langage (LLM) dans le domaine numérique.
Coconut libère le processus de raisonnement de l’espace linguistique traditionnel et permet au modèle de raisonner directement dans l’espace latent continu.
La loi de densité décrit que la densité de puissance des grands modèles de langage (LLM) augmente de manière exponentielle au fil du temps.
La recherche du voisin le plus proche est un problème algorithmique consistant à trouver le point (ou l'ensemble de points) dans une base de données ou un ensemble de données le plus proche d'un point de requête donné.
La recherche de voisins fait référence au processus de détermination des particules voisines autour de chaque particule (généralement un atome) dans la boîte de simulation.
Le calcul du PageRank à point unique utilise un modèle de marche aléatoire pour déterminer l'importance d'un nœud.
Le réglage fin renforcé combine le réglage fin supervisé et l'apprentissage par renforcement pour optimiser la capacité du modèle à générer des réponses de haute qualité.
NLRL redéfinit les concepts fondamentaux de l’apprentissage par renforcement sous la forme du langage naturel.
MILP-StuDio vise à générer des instances MILP de haute qualité en préservant la structure de partitionnement des problèmes.
MILP est une technique d'optimisation mathématique utilisée pour trouver le maximum ou le minimum d'une fonction objective linéaire soumise à un ensemble de contraintes linéaires.
La caméra basée sur les événements, également connue sous le nom de capteur de vision dynamique (DVS) ou DAVIS (capteur de vision dynamique et à pixels actifs), est un nouveau type de capteur visuel différent des caméras traditionnelles.