Yixuan Li

データがAIモデルと人間の好みの整合性にどう影響するかを検討する。

自動運転のトレーニング用にリアルな歩行者アニメーションの新しいフレームワークを紹介するよ。

特定の性格特性を示すように言語モデルを誘導する方法を紹介するよ。

この記事では、機械学習における配布外検出の重要性と課題について話してるよ。

機械学習における分布内ラベルが分布外検出にどう影響するかを調べる。

現在のモデルは空間的推論が苦手で、画像よりもテキストに頼っているんだ。

現代数学におけるクイバーヘッケ代数とフロアホモロジーの関係を探る。

新しいフレームワークが、ユーザーの好みとランゲージモデルの一致を改善する。

R2Gはロボットが3D空間で言葉の指示に従う能力を向上させるよ。

INKは、機械学習において分布外サンプルを特定する信頼できる方法を提供する。

新しい方法は、人間の入力を取り入れて機械学習モデルのOOD学習を強化するんだ。

弱い言語モデルを使うことで、AIの整合性を効率的に向上させることができるよ。

新しいフレームワークが、ラベルのないデータを使って言語モデルの偽の出力を検出するのを改善する。

動的な環境での機械学習を強化するためのグラフベースのアプローチ。

CodeLutraはモデルに成功と失敗から学ぶ方法を教えてるよ。

CONDAがAIが変化する条件に適応して、解釈可能でいられる手助けをする方法を学ぼう。

広告での効果的なコミュニケーションを確保するためにAI画像を評価する。