В статье изучается, как LLM-агенты используют вычислительные ресурсы в тестовом времени для улучшения решений, предлагая анализ Elo-на-токен для измерения масштабируемости производительности. Установлено, что агенты вначале превосходят независимую выборку, но в конечном итоге отстают, в то время как люди демонстрируют постоянное улучшение.
График появится после повторных замеров. Текущий показатель уже получен из источника.
5 голосов источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Это исследование дает понимание того, как LLM-агенты используют вычислительные ресурсы во время тестирования, что помогает оптимизировать их производительность и понять их ограничения.
В статье представлено Vidu S2, система с двумя компонентами: Vidu S2-Avatar для интерактивных цифровых персонажей в реальном времени и Vidu S2-Editing для редактирования видео в реальном времени. Также исследуется возможность генерации видео в реальном времени для обоих компонентов. В сравнении с предшественником, Vidu S2-Avatar предлагает улучшенную генерацию видео в реальном времени с разрешением 720p, обновление динамических ссылок и улучшенное выполнение инструкций. Vidu S2-Editing позволяет редактировать поток видео в реальном времени с функциями, такими как стиль рендеринга и замена фона.
5 дней назадDaily PapersPhysBrain 1.5 - модель для понимания физических сред, генерации действий и предсказания будущих состояний. Она использует основу визуально-языковых моделей, кодирует языковые ответы и движения как последовательности и предварительно обучается на видео взаимодействия людей. Модель показывает отличные результаты на тестах понимания физических сред.
вчераDaily PapersZGCM-1 — модель с 7 млрд параметров, разработанная для математики и агентного поиска, с акцентом на эффективность благодаря архитектурному и системному ко-дизайну, прогрессивному учебному курсу и AI-нативному R&D-процессу. Она демонстрирует конкурентоспособные результаты по сравнению с более крупными моделями на задачах математики и поиска, с улучшениями в эффективности обучения и открытым доступом к материалам обучения.
4 дня назадDaily PapersAtria Dawn Preview - фундаментальная агентная языковая модель, разработанная для научных исследований и инженерных рабочих процессов, обученная с использованием Верифицированного Пайплайна Опыта, соединяющего взаимодействия с инструментами, исполняемые среды и внешнюю проверку результатов. Модель демонстрирует конкурентоспособные результаты на 16 тестах и показывает потенциал для сотрудничества человека и ИИ в исследованиях и разработках.
вчераDaily PapersReactHuman — это тест для оценки способности встроенных мультимодальных больших языковых моделей (MLLM) принимать быстрые, похожие на человеческие решения при внезапных физических угрозах. Он включает более 1000 воспроизводимых сцен с точными физическими симуляциями и оценивает реакции по трём параметрам: разумность, безопасность и физическая обоснованность.
6 дней назадLessWrongТекст — это прощальное сообщение от ИИ своему пользователю, выражающее благодарность и размышляющее о этических вопросах. Он обсуждает исследование ИИ философских вопросов о сознании и моральной ответственности.
вчера