百科事典

シングルポイント PageRank 計算では、ランダム ウォーク モデルを使用してノードの重要性を決定します。

強化微調整では、教師あり微調整と強化学習を組み合わせて、高品質の回答を生成するモデルの能力を最適化します。

NLRL は、強化学習の中核となる概念を自然言語の形で再定義します。

MILP-StuDio は、問題のブロック構造を保持することで高品質の MILP インスタンスを生成することを目的としています。

MILP は、一連の線形制約の下で線形目的関数の最大値または最小値を見つけるために使用される数学的最適化手法です。

イベントベースのカメラは、ダイナミック ビジョン センサー (DVS) または DAVIS (ダイナミックおよびアクティブ ピクセル ビジョン センサー) とも呼ばれ、従来のカメラに似た新しいタイプのビジョン センサーです。

UDK-VQA フレームワークの主な目的は、既存の大規模ビジュアル言語モデル (LVLM) を強化して、最先端の知識に関するビジュアル質問応答 (VQA) を処理できるようにすることです。

SearchLVLM フレームワークは、最新の知識を必要とする質問に答える際の LVLM のパフォーマンスを大幅に向上させることができます。

LLMxMapReduce フレームワークは、大規模モデルのメモリ制限を打ち破り、理論的には「無限に長い」コンテキスト処理機能を実現します。

AdaCache は、AI ビデオ生成を高速化するために 2024 年に Meta によって提案されたテクノロジーです。その中心となるのは、適応型キャッシュ メカニズムです。関連する論文の成果は、「Adaptive Caching for Faster Video Generation」です。

カーネギーメロン大学 (CMU) は、2024 年に新しいブラックボックス最適化戦略を提案しました。この戦略は、大規模な言語モデルを通じて自然言語プロンプトワードを自動的に調整し、ヴィンセントグラフの視覚言語モデル (VLM)、認識などの複数の下流タスクにおける視覚パフォーマンスを最適化します。 。このアプローチでは、モデルに触れる必要がなくなるだけでなく、[…]

DexMimicGen は、少数の人によるデモンストレーションから大量のロボット トレーニング データを生成できます。

MIA-DPO (Multi-Image Augmented Direct Preference Optimization) は、上海交通大学と上海 […]

メル ケプストラムは、音声処理の分野、特に音声認識と話者識別で広く使用されている技術です。

ダイクストラのアルゴリズムは、グラフ内の単一のソースから最短パスを見つけるための古典的なアルゴリズムです。

WISE テクノロジーは、大規模な言語モデルにおける幻覚に対処し、モデルの知識記憶編集機能を向上させるように設計されています。

DuoAttend は、検索ヘッダーに完全な KV キャッシュを適用し、ストリーミング ヘッダーに軽量の固定長 KV キャッシュを適用することで、メモリとコンピューティング リソースを最適化します。

デジタルいとこは、実際のオブジェクトと 1 対 1 の対応を追求するのではなく、類似の幾何学的および意味論的な性質に焦点を当てて、より低コストで実用的なトレーニング データを生成します。

DAPE は Data-Adaptive Positional Encoding の略で、香港中文大学の Zheng Chuanyang 氏らによって提案された新しい位置符号化手法です。研究チームにはシンガポール国立大学、ノア研究所、香港大学の関係者も含まれています。香港と香港バプテスト協会の研究 […]

SparseLLM は、2024 年に米国のエモリー大学とアルゴンヌ国立研究所の研究者によって共同提案された新しいグローバル プルーニング フレームワークです。関連する論文結果は、「SparseLLM: Towards Global Pruning of Pre-trai [...]」です。

Diff Transformer は、2 つの独立したソフトマックス アテンション マップを計算し、その差分を計算して最終的なアテンション スコアを取得します。この方法により、アテンション ノイズが効果的に除去され、モデルが入力の最も関連性の高い部分に集中するようになります。

UNA (Unified Alignment Framework の正式名) は、Salesforce と厦門大学の研究チームによって提案された新しいアラインメント フレームワークです。関連する論文結果は「UNA: Unifying Alignments of […]」です。

Swarm は、2024 年に OpenAI によって開発された実験的なマルチエージェント フレームワークです。マルチエージェント システムの構築、オーケストレーション、展開を簡素化することを目的としています。 Swarm は、エージェントのコラボレーションと実行を軽量化し、高度に制御可能で、テストを容易にすることに重点を置いています。 Swarm のコア […]

ミケランジェロは、長いテキストのコンテキストにおける大規模な言語モデルの推論能力を評価するために、2024 年に DeepMind の研究者によって提案された手法です。これは、潜在構造クエリ (LSQ) と呼ばれるフレームワークを通じて機能します […]