两个平行的神经外胚层祖细胞有助于发育中的大脑
HN ð98· 51 评论
-
-
人工智能聊天机器人正在成为改变人们想法的专家
HN Ÿ 92 · 97 评论
-
关于信任的反思，重温：毒害自我修改的人工智能编码
HN800· 1 评论
-
黑客攻击OpenAI
HN Ÿ 84 · 26 评论
-
如何使用法学硕士写作
HN ð37· 24 评论
-
Bend -一种通过证明在中央处理器和图形处理器上阻止人工智能错误的语言
HN ð216· 118 评论
-
Canto：为现实世界构建的语音模型
HN ð31· 12 评论
-
具有障碍感知按钮的编码代理以实现安全机器人操纵
作者：徐秉欣、尚玉章、董震|编码代理已经成为机器人操纵的一种有前途的范式：语言模型将机器人控制器写成程序，以这种方式构建的代理现在无需机器人特定的培训即可操作机器人。然而，这种范式是否也安全，还没有被问到。我们在安全约束下评估编码代理，其中每个任务将操纵目标与机器人的障碍物配对
-
嵌入模型以特殊方式进行测量
作者：Juri Opitz、Andrianos Michail|嵌入空间定义了语义相似性和距离的概念。我们研究这些嵌入是否反映了质量、距离、时间和体积的物理测量，这承认了语义等效和距离的独特、客观的概念。我们发现，物理测量在嵌入空间中仅被弱建模，相反，可以观察到相当奇怪的测量模式。毛皮
-
工作空间模型：通过突出性驱动监督实现轻量级机器人记忆
作者：Nitish Dashora、Douglas Chen、Idan Shenfeld|复杂的机器人操作任务通常需要对过去的事件和动作进行长期记忆。由于以完整历史为条件会导致策略容易出现虚假相关性并降低性能，因此许多策略内存方法都涉及通过昂贵的VLM循环查询来压缩历史信息，以仅处理任务显着的信息。在本文中，我们提出了一个
-
FAMOS：基于稀疏观测的前向3D关节建模
作者：Kevin Qu、Tao Sun、Massimiliano Viola|从稀疏的单目视图中建模关节对象具有挑战性，因为每次观察仅揭示部分几何形状和运动证据。大多数前向方法从单个观察中推断清晰度，因此严重依赖于学习到的类别级形状先验。我们提出了FAMOS，这是一种前向模型，可以从稀疏、
-
Paint-Anything：用于图像生成和编辑的统一任意颜色控制
作者：谢继、周德伟、黄新宇|专业的设计需要任意颜色控制：能够指定对象的目标颜色与任何24位十六进制值的图像生成和编辑。之前的工作探索了颜色生成、编辑和着色，但通常依赖于专用的颜色表示或专门的推理过程。大型语言模型的进步提供了一个更简单的起点：即使是紧凑的模型
-
ERCPMP-Gx：用于结直肠息肉病形态学、组织病理学和基因组学特征的内窥镜图像和视频数据集
作者：Zahra Ghaffari、Massih Bahar、Mojgan Forootan|遗传性息肉病综合征可能是结直肠癌的先兆病变，并与广泛的结肠外肿瘤相关。这些综合症的早期识别和准确分类对于及时诊断、个性化患者管理和针对受影响家庭的有针对性的监测策略至关重要。然而，公共内窥镜数据集很大程度上是组织起来的
-
分布变化如何影响神经PED替代者的训练前收益？
作者：Pochinapeddi Sai Bhargav、Nithin Somasekharan、Rohit Sunil Kanchi|预训练神经PDE代理可以减少几何或建模物理变化时所需的新CFD数据量。然而，目前尚不清楚分配转移的不同组成部分如何影响这一好处。我们对代理人进行来自一个机翼系列的254，909 RANS解决方案预培训，并在具有匹配自由飞行范围
-
量化前沿法学硕士代理人的夸大倾向
作者：Nolan Smyth、Yorguin-Jose Mantilla-Ramos、Pascal Jr Tikeng Notsawo|前沿编码代理越来越被信任能够长期自主工作，但代理的最终响应通常是用户看到的工作的唯一描述。我们量化了边境代理\{超额索赔}任务完成的倾向，这是一种可能误导用户的虚假陈述。当代理人的最终回应与其上下文中的信息相矛盾时，代理人过
-
网络话语中群体间敌意的统一模型
作者：Patrick Gerard，Julia Mendelsohn，Kristina Lerman|针对社会群体的敌对言论可能会使排斥正常化并为虐待辩护，并加剧两极分化和政治暴力。缓和网络言论中敌对言论的努力借鉴了社会和道德心理学以及政治学的基础理论。然而，这些理论在很大程度上是平行发展的，往往提出不同的，有时是相互矛盾的。
-
以分数为中心稳定政策外强化学习
作者：Martin Marek、Max Ryabinin|众所周知，大型语言模型的强化学习（RL）对训练和推理引擎之间的微小差异敏感，通常称为训练-推理不匹配（TIM）。然而，完全消除TIM是不切实际的，因为这将给部署效率带来重大代价。本文表明，TIM下RL的不稳定性主要是由漂移引起的：
-
无限参数LLM：根据实时数据生成和调整权重
HN Ÿ 96 · 26 评论
-
Show HN：Craigslist，了解特工技能，由人类策划
HN Ÿ 20 · 16 评论