Yixuan Li

Analisando como os dados moldam a alinhamento dos modelos de IA com as preferências humanas.

Apresentando uma nova estrutura para animações realistas de pedestres no treinamento de veículos autônomos.

Apresentando métodos pra guiar modelos de linguagem a mostrarem características de personalidade específicas.

Esse artigo fala sobre a importância e os desafios da detecção de dados fora da distribuição em aprendizado de máquina.

Examinando como rótulos em distribuição afetam a detecção fora de distribuição em aprendizado de máquina.

Modelos atuais têm dificuldade com raciocínio espacial, confiando mais em texto do que em imagens.

Explorando a interação entre álgebras de Hecke de flechas e a homologia de Floer na matemática moderna.

Uma nova estrutura melhora o alinhamento dos modelos de linguagem com as preferências dos usuários.

R2G melhora a habilidade dos robôs de seguir instruções verbais em espaços 3D.

INK oferece um jeito confiável de identificar amostras fora da distribuição em aprendizado de máquina.

Um novo método integra a ajuda humana pra melhorar o aprendizado OOD em modelos de machine learning.

Usar modelos de linguagem mais fracos pode melhorar a alinhamento da IA de forma eficiente.

Um novo framework melhora a detecção de saídas falsas em modelos de linguagem usando dados não rotulados.

Uma abordagem baseada em grafo pra melhorar o aprendizado de máquina em ambientes dinâmicos.

CodeLutra ensina modelos a aprender com seus sucessos e fracassos.

Descubra como o CONDA ajuda a IA a se adaptar e continuar sendo interpretável em condições que mudam.

Avaliar imagens de IA pra garantir uma comunicação eficaz na publicidade.