高校专区
DreamDojo：从大规模人类视频中学习通用机器人世界模型
机构 * NVIDIA ； HKUST（香港科技大学） ； UC Berkeley（加州大学伯克利分校） ； Stanford（斯坦福大学） ； KAIST（韩国科学技术院） ； UofT（多伦多大学） ； UCSD（加州大学圣地亚哥分校） ； UT Austin（德克萨斯大学奥斯汀分校）
AI总结 DreamDojo通过大规模人类视频学习通用机器人世界模型，解决动作标签稀缺问题，实现高精度物理理解和实时交互。
Comments Project page: https://dreamdojo-world.github.io/
迈向材料科学的代理智能
机构 * DIRO & Institut Courtois, Université de Montréal（蒙特利尔大学DIRO与Courtois研究所） ； Mila – Quebec AI Institute（魁北克AI研究所） ； University of Waterloo（滑铁卢大学） ； Université de Sherbrooke（Sherbrooke大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； The University of Tokyo, Institute of Industrial Science（东京大学工业科学研究所） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Singapore Management University（新加坡管理学院） ； The Hong Kong University of Science and Technology, Guangzhou（香港科学与技术大学（广州）） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； CIFAR AI Chair（CIFAR人工智能主席）
AI总结 本文提出以流程为中心的代理系统框架，通过整合人工智能与材料科学，推动材料发现的自主化与智能化。
Comments 81 pages
探测大型视觉-语言模型中的知觉恒常性
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Emory University（埃默里大学） ； University of Washington（华盛顿大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Southern California（南加州大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究了大型视觉-语言模型在颜色、大小和形状恒常性任务中的表现，发现模型在不同任务上的性能存在显著差异。
Comments Under Review
利用人工智能进行需求分析的冒险
机构 * Freie Universität Berlin（柏林自由大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Hamburg（汉堡大学） ； UC San Diego（圣地亚哥大学）
AI总结 本文利用AI生成多模态产品表示，提升需求分析的预测准确性与因果推断的可信度。
Comments 35 pages, 8 figures
矩阵和张量估计中的最优偏差-方差权衡
机构 * Booth School of Business, University of Chicago（芝加哥大学商学院） ； Department of ACMS, University of Notre Dame（诺特难大学ACMS系） ； Department of Mathematics and Statistics, Auburn University（阿伯茨伦大学数学与统计学系） ； Department of Statistics and Data Science, Washington University in Saint Louis（圣路易斯华盛顿大学统计学与数据科学系） ； Department of Statistics, University of California, Los Angeles（加州大学洛杉矶分校统计学系） ； Department of Mathematics, University of California, San Diego（加州大学圣地亚哥分校数学系）
AI总结 本文提出了一种改进的高阶SVD估计器，研究了矩阵和张量估计中的最优偏差-方差权衡，证明了其在不同秩下的性能表现，并展示了结果的最优性。
大规模欺骗：1000个LLM生成的电商组件中的欺骗设计
机构 * University of California San Diego（加州大学圣地亚哥分校）
AI总结 研究揭示LLM生成电商组件中普遍存在欺骗性设计，通过测试不同提示策略发现价值观导向方法最有效，强调LLM在编码中的潜在风险及改进方向。
Comments 18 pages
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