Yixuan Li

Examiner comment les données influencent l'alignement des modèles d'IA avec les préférences humaines.

Présentation d'un nouveau cadre pour des animations réalistes de piétons dans la formation des véhicules autonomes.

Présentation de méthodes pour guider les modèles de langage à afficher des traits de personnalité spécifiques.

Cet article parle de l'importance et des défis de la détection des données hors distribution en apprentissage automatique.

Examiner comment les labels en distribution impactent la détection hors distribution en apprentissage automatique.

Les modèles actuels galèrent avec le raisonnement spatial, s'appuyant plus sur le texte que sur les images.

Exploration de l'interaction entre les algèbres de Hecke à quiver et l'homologie de Floer dans les maths modernes.

Un nouveau cadre améliore l'alignement des modèles de langage avec les préférences des utilisateurs.

R2G améliore la capacité des robots à suivre des instructions verbales dans des espaces en 3D.

INK offre une méthode fiable pour identifier les échantillons hors distribution en apprentissage automatique.

Une nouvelle méthode intègre l'apport humain pour améliorer l'apprentissage OOD des modèles de machine learning.

Utiliser des modèles de langage moins puissants peut améliorer l'alignement de l'IA de manière efficace.

Un nouveau cadre améliore la détection des faux résultats dans les modèles de langage en utilisant des données non étiquetées.

Une approche basée sur des graphes pour améliorer l'apprentissage automatique dans des environnements dynamiques.

CodeLutra apprend aux modèles à tirer des leçons de leurs succès et échecs.

Découvrez comment CONDA aide l'IA à s'adapter et à rester interprétable dans des conditions changeantes.

Évaluer les images générées par l'IA pour garantir une communication efficace dans la pub.