浙江大学ReLER实验室研究团队提出了SEED-GRPO，一种基于语义熵的不确定性感知策略优化方法，用于改进大型语言模型的训练。该方法通过计算模型对不同问题回答的语义多样性，来识别模型的不确定性程度，并据此动态调整…详细

大型语言模型不确定性感知学习强化学习优化

这篇论文介绍了HISTAI数据集，这是一个包含60,000多张全切片影像的大规模开源病理学数据集。由HistAI团队开发，该数据集涵盖多种组织类型，每个病例都附有详细的临床元数据，包括诊断信息、患者人口统计学数据和病理…详细

数字病理学医学图像数据集人工智能诊断

NVIDIA最新发布的HelpSteer3-Preference是一个包含超过4万个样本的开放许可偏好数据集，涵盖STEM、编程和多语言等多样化任务。由专业标注者标注的高质量数据使研究团队训练出在RM-Bench和JudgeBench基准上分别取得82…详细

人工智能大语言模型人类反馈强化学习

这项研究提出了一种创新的无配对数据训练方法，用于开发轻量级智能手机图像信号处理器(ISP)。传统方法需要具有像素级对齐的配对RAW-RGB数据，而该方法通过多重损失函数和三个鉴别器的对抗训练，成功实现了无需配对数…详细

计算摄影轻量级神经网络无监督学习

这项研究解决了语音合成中的多音字问题，特别针对资源有限的波斯语。研究团队提出了两大创新：一是构建HomoRich数据集，为多音字消歧提供丰富素材；二是重新思考G2P系统设计思路，利用这些数据改进基于规则的模型。他…详细

语音合成多音字消歧辅助技术

这篇论文介绍了一种名为LATENTSEEK的创新框架，它通过在潜在空间进行测试时实例级政策梯度优化，显著提升了大型语言模型的推理能力。研究团队在GSM8K、MATH-500和AIME2024等基准测试上评估了该方法，结果显示LATENTS…详细

人工智能测试时优化潜在空间探索

圣地亚哥大学团队提出的VSA（视频稀疏注意力）机制，通过巧妙的两阶段设计解决了视频生成模型的计算瓶颈。它首先将视频分割成小立方体，在粗粒度层面快速识别重要区域，再只在这些区域内进行精细计算。实验表明，VSA…详细

人工智能视频生成稀疏注意力

这项研究首次提出了ViPlan基准测试，系统评估视觉语言模型在视觉规划任务中的表现。研究对比了"VLM作为规划器"和"VLM作为接地器"两种方法，发现在抽象的积木世界中接地器方法更优，而在模拟家庭环境中规划器方法表现…详细

视觉规划符号推理视觉语言模型

MTVCrafter是一项开创性研究，首次通过4D运动令牌化直接建模原始3D运动序列，而非传统的2D姿势图像，实现了高质量人物动画。由中国科学院深圳先进技术研究院团队开发的这一框架，结合了4D运动令牌化器(4DMoT)和运动感…详细

人工智能生成内容4D运动建模人物图像动画

这项由新加坡和英国研究机构联合进行的研究，使用多智能体强化学习探索了语言起源问题。研究团队设计了"觅食游戏"环境，让智能体在部分可观察的世界中协作完成任务。结果表明，智能体自发发展出具有人类语言五大特性…详细

人工智能多智能体强化学习语言起源

QVGen是一项突破性研究，致力于解决视频扩散模型在低比特量化时的性能挑战。研究团队通过理论分析发现，降低梯度范数是改善量化感知训练收敛性的关键，因此引入了辅助模块来减轻量化误差。为消除这些模块在推理阶段的…详细

人工智能视频生成模型量化

Tiny QA Benchmark++（TQB++）是一个超轻量级的大型语言模型（LLM）评估工具，由Comet ML公司的Vincent Koc开发。这套工具仅需几秒钟即可检测LLM系统中的关键故障，与大型基准测试形成鲜明对比。其核心是一个不到20K…详细

大型语言模型评估快速健康检查多语言测试集

TECHNIQUERAG是一种新型检索增强生成框架，专为网络安全领域的对抗性技术识别而设计。卡塔尔计算研究所的研究团队创新性地整合了现成检索器、LLM重排序和有限的文本-技术配对数据，有效解决了数据稀缺性和领域专业性…详细

网络安全检索增强生成对抗性技术识别

谷歌I/O大会的第一天，Google联合创始人Sergey Brin（谢尔盖?布林）高调现身，与Google DeepMind首席执行官Demis Hassabis，来了一场炉边谈话。全程只有半小时，但信息密度很高，话题涵盖了：AI的前沿模型、AGI的定义…详细

谷歌GeminiAGIAI大模型

Mistral 与 All Hands AI 合作推出了一款专注编程的 AI 模型 Devstral，通过 Apache 2.0 许可证开放使用，在代码浏览、多文件编辑及自动化测试等任务中表现优异，可在 RTX 4090 或高配 Mac 上运行，定价亲民。…详细

人工智能代码生成新产品发布