norgitov/ trends
Технологии · люди · идеи
RSS
RUEN
К обзору/Daily Papersвчера
ИсследованияDaily Papers

OmniVChat: Синтезирование, оценка и обучение для нативного аудиовизуального диалога

В статье представлено OmniVChat — задача нативного аудиовизуального диалога, где модели обрабатывают аудио и видео напрямую без отдельного текста. Представлена OmniVChat-Studio для генерации диалогов, OmniVChat-Bench для оценки и OmniVChat-RL для усиленного обучения, что улучшает производительность как на синтетических, так и на реальных данных.

Открыть первоисточник
СИГНАЛ ИЗ ИСТОЧНИКА
28
голосов источника
Наблюдаем с21 сентября 2026 г.28 голосов источника

Этот источник давно не обновлялся. Время замера указано выше.

Темп интереса+2,64/hпо замерам за 3,03 h
Опубликовано18 сентября 2026 г.Haolin He, Yunfei Chu, Qi Chen
ЗА ЦИФРАМИ

Как меняется интерес

Daily Papers

История начинает расти

График появится после повторных замеров. Текущий показатель уже получен из источника.

28 голосов источника

Только реальные замеры. История до подключения источника не восстанавливается.

ЗАЧЕМ ОБРАТИТЬ ВНИМАНИЕ

Эта работа решает проблему обучения и оценки аудиовизуальных систем диалога без использования текста, используя синтетические данные и усиленное обучение для улучшения производительности в реальных условиях.

Полезная находка?
ПРОДОЛЖИ ИССЛЕДОВАНИЕ

Рядом по теме

Вся тема
Daily Papers

IntBMoE: Интеграция блоковой условной композиции экспертов для полного участия в смеси экспертов

IntBMoE представляет блок-условную архитектуру Mixture-of-Experts (MoE), которая разделяет участие, выполнение и материализацию, объединяя плотную композицию экспертов с разреженным выполнением блоков. Используется обученная кодовая книга для блоков и гиперсеть для объединения экспертов, обеспечивая полное участие при низких затратах на выполнение и память. Эксперименты показывают улучшения в классификации изображений, языковом моделировании и последовательном рекомендовании, с реальным внедрением в системе рекомендаций AMap.

5 дней назадDaily Papers

Самоэволюционирующийся поисковый индекс

В статье представлено SELF-INDEX, фреймворк, позволяющий индексу самовосстанавливаться без участия человека, диагностируя проблемы поиска, изменяя ключи индекса и проверяя изменения. Он также использует симулятор запросов для активного поиска новых требований к поиску, улучшая производительность в различных корпусах и приложениях.

6 дней назадDaily Papers

Document Retrieval-Aware Chunking (D-RAC): Универсальная интеграция корпоративных документов с использованием нормализации PDF и мультимодального преобразования в Markdown

В статье представлена методика Document Retrieval-Aware Chunking (D-RAC), которая эффективно обрабатывает корпоративные документы, нормализуя их в PDF и преобразуя в оптимизированный для поиска Markdown с использованием мультимодельной ИИ. Этот подход сохраняет структуру документа, снижает затраты на токены и повышает эффективность фрагментации.

позавчераDaily Papers

CodeMidas: Масштабирование агентных сред для программирования с подкреплением на основе кода самого по себе

CodeMidas — агентный пайплайн, преобразующий реализованную функциональность в открытых кодовых базах в исполняемые среды для обучения с подкреплением (RL), используя только исходный код в качестве входных данных. Он генерирует 5 545 тренировочных задач из 3 185 кодовых баз, охватывающих 23 языка и 15 технических областей, улучшая производительность на нескольких кодовых бенчмарках при обучении MiMo-V2.5 с использованием GRPO.

5 дней назадDaily Papers

FAMOS: Моделирование 3D подвижных объектов из разреженных наблюдений

В этой статье представлена FAMOS — модель, предсказывающая сегментацию подвижных частей и параметры шарниров из разреженных неупорядоченных частичных облаков точек. Модель использует многосостоятельный трансформер для агрегации признаков подвижности по нескольким наблюдениям и целевую функцию наблюдаемого диапазона подвижности для контроля диапазонов движения частей.

6 дней назадDaily Papers

DeepSeek-V4.1-Flash: Пробивая границы сжатия кэша KV

DeepSeek-V4.1-Flash — мультимодельная модель Mixture-of-Experts (MoE) с 552 млрд параметров, разработанная для улучшения сжатия кэша KV и снижения вычислительных затрат для задач с длинными контекстами. Она использует архитектуру Causal Encoder-Decoder и оптимизации, такие как повторное использование кэша KV на уровне слоев и кэширование FP4, чтобы значительно снизить использование памяти и пропускной способности по сравнению с предыдущими версиями.

6 дней назад