近期，一项名为reWordBench的研究揭示了当前流行的奖励模型在面对提示词（prompt）的简单重述时表现出的脆弱性。该研究不仅提出了一个基准测试，还探讨了一种潜在的策略，以增强这些模型的鲁棒性。奖励模型在人工智...

概率人工智能（Probabilistic Artificial Intelligence）作为人工智能领域的重要分支，近年来在学术界和工业界引起了广泛关注。其核心思想是通过概率模型来处理不确定性问题，从而提升AI系统的决策能力和鲁棒性。与...

近日，一项名为Cast4的技术在3D场景生成领域取得了重要突破。该技术通过复杂的算法流程，能够从单张RGB图像中生成完整的3D场景，尤其适用于室内场景的建模。传统方法在从单张图像生成3D场景时面临诸多挑战，而Cast4...

近日，FedELC框架的推出为联邦学习领域带来了新的解决方案。FedELC是一个两阶段框架，旨在通过解决客户端数据集中的标签噪声问题来增强联邦学习的性能。在联邦学习中，数据分布在多个客户端，而标签噪声的存在会严重...

LOKI 是一个用于评估视觉语言模型（VLMs）在检测新颖和具有挑战性项目方面表现的合成基准测试工具。该基准测试通过生成复杂的多模态数据，帮助研究人员更好地理解模型在处理未知或复杂场景时的能力。LOKI 的设计旨在...

最近邻攻击是一种新型的安全威胁，它通过精心设计的输入扰动，使得机器学习模型的预测结果偏离真实目标，而指向攻击者指定的最近邻类别。这种攻击手段对于基于深度学习的图像识别系统尤为危险，因为它可以迷惑模型，...

本篇文章分享了两种关键方法，帮助Agent从实验阶段走向真实世界：长期规划和系统级的鲁棒性。这些方法引入了为代理人制定高阶计划的能力，同时允许在剧情中途进行适应，以及采用系统方法智能地协调提供更高精度和性...

InvariantSelectPR是一种旨在提高大型多模态模型（LMMs）在特定领域如医疗保健中的适应性的方法。这种方法通过优化模型的选择和调整，使其能够更好地处理不同领域的数据，提高预测的准确性和可靠性。在医疗领域，数...