大厂专区
HASTE：一个用于快速灾后建筑物损坏评估的平台
机构 * Microsoft AI for Good Research Lab（微软人工智能造福研究实验室）
AI总结 HASTE平台可快速进行灾后建筑物损坏评估。它有两种方法，一种通过用户标记多边形训练语义分割模型，另一种利用预训练视觉模型和逻辑回归。实验表明其能仅用灾后图像区分受损与完好建筑，已支持多次实际灾难应对。
ERR@HRI 3.0 挑战赛：人机交互中错误与预期的多模态检测
机构 * Cornell University（康奈尔大学） ； Microsoft Research（微软研究院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Cambridge（剑桥大学）
AI总结 ERR@HRI 3.0 挑战赛提供自然场景视频数据集，供研究者开发多模态机器学习模型检测人机交互错误与预期，三个团队提交的有效模型超卷积神经网络基线，为构建相关检测系统提供了数据、任务、基线及结果等参考。
ToolAtlas：通过工具端内存实现一次学习、处处复用
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Microsoft（微软）
AI总结 研究针对大语言模型代理依赖外部工具时工具知识难共享问题，提出ToolAtlas框架，通过执行验证探测构建提供商端工具内存，经实验证明该框架能有效提升性能且可跨环境和框架复用，确立了提供商端工具内存范式。
领域感知缩放定律揭示数据协同效应
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Microsoft Research（微软研究院） ； Harvard University（哈佛大学）
AI总结 研究语言模型预训练中的数据协同效应，利用开放权重语言模型的观测变化估计领域间协同效应，其框架提高预测精度，恢复稳定估计，经训练模型验证能正确预测性能排名。
迈向自主且可审计的医学成像模型开发
机构 * The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Microsoft Research（微软研究院） ； Lehigh University（里海大学）
AI总结 研究针对医学成像模型开发困难的问题，提出AMID自主多代理框架。该框架含数据条件方法规划和验证引导两阶段优化，经20个医学成像任务验证，其性能优于通用MLE系统，能将特定任务模型开发转变为高效可审计的代理工作流程。
Comments 18 Pages
FlashTrie：用于生成式检索的GPU加速约束束搜索
机构 * Microsoft（微软） ； Nvidia（英伟达）
AI总结 研究针对生成式检索中约束解码的瓶颈问题，提出FlashTrie方法。通过优化GPU上的约束束搜索，采用整数感知简洁trie布局和协作CUDA内核等技术，显著降低解码延迟、提高吞吐量，在实验中取得良好效果并提升了收入。
Robo-ValueRL：离线到在线强化学习的可靠价值估计
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Beijing Forestry University（北京林业大学） ； Peking University（北京大学） ； Microsoft Research（微软研究院）
AI总结 研究离线到在线强化学习中价值函数可靠性对策略优化的影响，提出Robo-ValueRL框架，通过特定指标评估价值估计可靠性并用于策略预训练和在线改进，实验显示其能有效提升下游策略性能，突出价值引导数据利用对策略改进的重要性。
Comments Please refer to our website: https://gewu-lab.github.io/Robo-ValueRL/
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈