最近,我们目睹了能够生成高质量文本的高级大型语言模型 (LLM) 的快速增长。虽然这些 LLM 彻底改变了各个领域的文本生成,但它们也给信息生态系统带来了重大风险,例如大规模产生令人信服的宣传、错误信息和虚假信息的潜力。本文对人工智能生成的文本取证系统进行了回顾,这是一个解决 LLM 滥用挑战的新兴领域 ...
0 0 0 2024/04/17 arXiv:2403.01152v1 tongzhao
模仿学习在有效地学习政策以解决复杂的决策问题方面具有巨大的前景。当前最先进的算法通常使用逆向强化学习(IRL),在给出一组专家演示的情况下,代理交替推断奖励函数和相关的最优策略。然而,此类 IRL 方法通常需要大量在线交互来解决复杂的控制问题 ...
0 0 0 2024/04/17 arXiv:2206.15469v2 llliuxiao
在家庭等开放式非结构化环境中部署机器人一直是一个长期存在的研究问题。然而,机器人通常仅在封闭的实验室环境中进行研究,并且先前的移动操纵工作仅限于拾取移动放置,这可以说只是该领域的冰山一角。在本文中,我们介绍了开放世界移动操纵系统,这是一种解决现实关节对象操作的全栈方法,例如 ...
0 0 2 2024/04/17 arXiv:2401.14403v2 llliuxiao
随着世界继续面临气候变化的挑战,考虑我们使用的技术对环境的影响至关重要。在本研究中,我们研究了用于垃圾分类的各种迁移学习模型的性能和计算碳排放量。我们研究了 MobileNet、ResNet50、ResNet101 以及 EfficientNetV2S 和 EfficientNetV2M 模型 ...
0 0 0 2024/04/17 arXiv:2402.09437v1 soloj
根本原因分析 (RCA) 在云服务的事件诊断过程中发挥着关键作用,要求待命工程师识别主要问题并实施纠正措施,以防止未来再次发生。改进事件 RCA 流程对于最大限度地减少服务停机时间、客户影响和手动操作至关重要。人工智能的最新进展引入了 GPT-4 等最先进的大型语言模型 (LLM),事实证明,它可以有效解决从代码编写到事件管理等各种 AIOps 问题 ...
0 0 0 2024/04/17 arXiv:2401.13810v1 feitongxiaoke518
虽然 Transformer 彻底改变了深度学习,但它们的二次注意力复杂性阻碍了它们处理无限长输入的能力。我们提出了反馈注意记忆(FAM),这是一种新颖的 Transformer 架构,它利用反馈循环使网络能够关注其自身的潜在表示。这种设计促进了 Transformer 中工作记忆的出现,使其能够处理无限长的序列 ...
0 1 0 2024/04/17 arXiv:2404.09173v1 jessiewei7
循环结构是视频超分辨率任务的流行框架选择。最先进的方法 BasicVSR 采用具有特征对齐的双向传播,可以有效地利用整个输入视频中的信息。在本研究中,我们通过提出二阶网格传播和流引导变形对准来重新设计BasicVSR ...
0 0 0 2024/04/17 arXiv:2104.13371v1 felixBrave
我们介绍了一种提高大型语言模型在一般语言理解任务上的零样本推理能力的方法。具体来说,我们构建一个自主代理来指导大型语言模型的推理过程。我们证明这种方法进一步将大型语言模型的零样本推理能力释放到更多任务中 ...
0 0 0 2024/04/17 arXiv:2310.03710v1 AI匠人

来一起翻译吧!


为了您和其他读者获得更好的阅读体验,请您勇敢地改进翻译,特别是一些显而易见的机器翻译错误。


虽然我们追求卓越,但我们并不要求翻译十全十美,因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译,您不必担心会因为您的失误导致无法挽回的破坏。(改编自维基百科)