Yixuan Li

Esaminando come i dati influenzano l'allineamento dei modelli di IA con le preferenze umane.

Introducendo un nuovo framework per animazioni realistiche di pedoni nell'addestramento degli AV.

Introdurre metodi per guidare i modelli linguistici a mostrare tratti della personalità specifici.

Questo articolo parla dell'importanza e delle sfide della rilevazione di out-of-distribution nel machine learning.

Esaminando come le etichette in distribuzione influenzano il rilevamento fuori distribuzione nel machine learning.

I modelli attuali faticano con il ragionamento spaziale, facendo più affidamento sul testo che sulle immagini.

Esplorare l'interazione tra algebre di quiver Hecke e omologia di Floer nella matematica moderna.

Un nuovo framework migliora l'allineamento dei modelli linguistici con le preferenze degli utenti.

R2G migliora la capacità dei robot di seguire istruzioni verbali in spazi 3D.

INK offre un metodo affidabile per identificare campioni fuori distribuzione nel machine learning.

Un nuovo metodo integra il contributo umano per migliorare l'apprendimento OOD per i modelli di machine learning.

Usare modelli linguistici più deboli può migliorare l'allineamento dell'IA in modo efficiente.

Un nuovo framework migliora il rilevamento di output falsi nei modelli linguistici utilizzando dati non etichettati.

Un approccio basato su grafi per migliorare il machine learning in ambienti dinamici.

CodeLutra insegna ai modelli a imparare dai loro successi e fallimenti.

Scopri come CONDA aiuta l'AI ad adattarsi e a rimanere interpretabile in condizioni che cambiano.

Valutare le immagini AI per garantire una comunicazione efficace nella pubblicità.