Bu çalışma, spekülatif difüzyonda hız ve kalite arasındaki dengeyi inceleyen iki temel parametreyi ele alır: difüzyon çabası ve kabul esnekliği. Araştırmacılar, bu parametrelerin birlikte optimize edilmesinin, tek adımlı difüzyon taslaklamaya kıyasla daha geniş bir hız-kalite Pareto sınırı sağladığını göstermektedir. Bu yaklaşım, difüzyon modellerinin paralel üretim avantajını, esnek kabul kriterleriyle birleştirerek çıkarım verimliliğini artırır.
Bu çalışma, LeWorldModel'in küçük eylem değişikliklerindeki hassasiyetini Gram matrisleri ile ölçer. Reacher ve OGBench Cube ortamlarında, modelin en hassas eylem yönlerinin simülatörden sapma gösterdiği bulunur. Ölçek arttıkça tutarlılık hatası azalır ancak LeWM, referans modele göre daha yüksek hata oranı sergiler.
Bu anket, video temel modellerini ve dünya modellerini 'dünya modellemesi' çatısı altında birleştirir. Videoyu, gizli bir zamanlı dünyanın kayıplı bir yansıması olarak görür. Literatürü okuma, yazma, paylaşma ve etkileşim olmak üzere dört temel operasyon etrafında düzenler. Çalışma, alanın klip düzeyi tanımadan kalıcı dünya durumu ve fiziksel geçerliliğe doğru kaydığını vurgular.
RoboJudge, gömülü video üretiminde fiziksel geçerliliği ve talimat uyumunu değerlendirmek için RoboJudge-Bench ve RoboJudge-Train veri setlerini sunar. 9B parametreli RoboJudge-9B modeli, denetimli ve pekiştirmeli öğrenme ile eğitilerek insan yargılarıyla en yüksek tutarlılığı sağlar. Çalışma, mevcut çok modlu modellerin bu alandaki sınırlılıklarını sistematik olarak ortaya koyar.
LoCA, coğrafi konum kodlayıcılarındaki yapısal boyut sınırlamasını aşmak için çok modlu uydu görüntülerini kullanan iki aşamalı bir kontrastif hizalama mimarisi sunar. Çalışma, mevcut kodlayıcıların düşük rütbeli kovaryans çöküşüne uğradığını kanıtlar ve bu sorunu yüksek rütbeli çok modlu hedeflerle çözer. Yöntem, Sentinel-1 ve Sentinel-2 verilerini birleştirerek 17 farklı coğrafi görevde güçlü performans gösterir.
Easy-3Dfy, tek görüntüden 3D sahne inşasında nesne üretimi ile sahne yerleşimini ayıran kompozisyonel bir yöntem sunar. RPF tabanlı hizalayıcı, nesne ağları ile sahne nokta haritalarını eşleştirerek yerleşimi belirler. Yöntem, SAM-3Dfy'ye kıyasla Scene-Maker ve 3D-FUTURE200 veri setlerinde geometrik metriklerde üstün performans gösterir.
TARSphere, fiziksel ve sosyal kısıtlar altında uzun vadeli görevler için tam yığın bir robotik çerçevesidir. Fizik simülatöründe çalışan TARSphere-Infra, gömülü NPC'ler ve kısıtlı diyalog sunar. TARSphere-Harness, donmuş bir çok modlu dil modelinin çok seviyeli becerilerle hareket etmesini sağlar. TARSphere-Bench, 30 iç mekan sahnesinde 360 epizod içerir ve beş eşleşen koşulda algısal dayanıklılık ile insan koordinasyonunu değerlendirir.
Difüzyon dil modelleri, görev türüne ve dile göre değişken hızda çalışır. Kopya metinler ucuzken özgün yazılar pahalıdır. Hız, doğrulukla bağlantılıdır ve çıkarım verimliliği için pratik bir sinyal sunar.
Difüzyon dil modellerinde kuantizasyon duyarlılığının görev ve zamana bağlı olduğunu gösteren bu çalışma, T2Quant adlı etiketsiz bir hassasiyet sinyali kullanan karma hassasiyet kuantizasyon çerçevesi sunar. Üç model ve altı benchmark'ta test edilen yöntem, sabit bit bütçesi altında ortalama doğrulukta en fazla 6.7 puanlık iyileşme elde eder.
FilmFlow, karmaşık kamera hareketlerini doğal dil veya referans videolardan çalıştırılabilir 3D yörüngelere çeviren ajan tabanlı bir sistemdir. Director, Interpreter, Scout ve Critic ajanları iş birliğiyle sahne niyetini çözer ve görsel geri bildirimle planı iyileştirir. CinemaBench, 150 Blender sahnesi ve 750 görevle hem metin hem video yönlendirmeli üretimi değerlendirir.
FAPL yöntemi, sinematik video üretiminde MLLM gizli temsillerinin etkin kullanımını hedefler. Dondurulmuş MLLM ile DiT eğitimi ve faktör bazlı öğrenme sinyalleri kullanarak karakter, sahne ve kamera kontrolü sağlar. Üç farklı video üretim görevinde taban çizgilerden daha iyi performans gösterdiği raporlanmıştır.
ID-TAP, test zamanı kişiselleştirme için bilgi yönlü düello bandit çerçevesi sunar. Sinirsel fayda modeli ve Bradley-Terry keşifçisi, büyük persona uzaylarında hızlı uyarlama sağlar. Yedi benchmark'ta on tur bütçede en iyi toplam performansı gösterir.
arXiv1 dk okuma
13–24 / 108 yayın
Nasıl hazırlıyoruz?
Kaynağı belli. Sınırları açık.
Resmî duyuruları, araştırma makalelerini ve açık kaynak projelerinin sürüm notlarını yapay zekâ ile Türkçe özetliyoruz. Her haberde kaynak bağlantılarına, kullanım alanlarına ve açıklanmayan noktalara yer veriyoruz.
Doğrudan kaynak
Araştırma makalesine, model duyurusuna veya projenin deposuna haberden ulaşabilirsiniz.
Bulgular ve yorumlar
Kaynakta açıklanan sonuçları, olası kullanım alanları ve bilinmeyenlerden ayrı sunuyoruz.
Görsellerin kaynağı
Görsel ve videoların kaynağını belirtiyoruz. Konuyu anlatmak için kullanılan illüstrasyonları da işaretliyoruz.
Araştırma kaynakları
Makaleleri kendiniz keşfedin.
Yeni çalışmalar bulabileceğiniz dizinler ve araştırma laboratuvarları. Bir görsel özet ilginizi çekerse sonuçları özgün makaleden okuyun.
