Cardiff
PulseAugur coverage of Cardiff — every cluster mentioning Cardiff across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
卡迪夫举办人工智能和数据中心环境影响会议
一场关注人工智能和数据中心环境影响的社区会议定于6月8日在卡迪夫举行。会议将在晚上7点至9点在贵格会堂举行，旨在讨论人工智能、数据基础设施与环境问题的交叉点。
-
新的CARD数据集为崎岖地形上的自动驾驶提供密集三维重建
研究人员推出CARD，这是一个新推出的多模态汽车数据集，专为在具有挑战性的道路条件下进行密集三维重建而设计。与专注于铺装良好的道路的现有数据集不同，CARD为坑洼和越野路段等不规则表面提供了准密集三维地面实况。该数据集包括来自立体摄像头、LiDAR和运动传感器的同步数据，覆盖德国和意大利约110公里。
-
结构解放：受限的意义构建如何产生更具新颖性的研究成果
研究人员开发了CARD，一种用于估算分子相互作用中自由能差值的新型生成框架，这对于化学和药物发现至关重要。CARD利用一种新颖的基数分解方法将3D坐标转换为序列，从而实现高效的自回归建模。该方法在未见过系统上的准确性可与经典方法相媲美，同时提供了显著的速度提升，有可能加速这些领域的研究。此外，另一项独立研究介绍了SCISENSE，一个用于科学发现中结构化构思的框架，以及SCISENSE-LM，一个旨在通过提高生成研究轨迹的新颖性和多样…
-
CARD框架通过集群级自适应增强个性化文本生成
研究人员引入了CARD，一个旨在高效地为个别用户个性化大型语言模型的新颖框架。CARD采用分层方法，首先根据风格相似性对用户进行聚类，然后应用轻量级的、特定于集群的适配器。这种方法即使在数据有限的情况下也能实现强大的泛化能力和有效的个性化。在推理时，通过解码调整和偏好向量实现个性化，同时保持基础模型不变。
-
新的AI方法通过自适应推理实现精确、无掩码的局部图像编辑
研究人员开发了PhysEdit，一个新颖的图像编辑框架，通过调整其推理过程来提高效率和准确性。该系统集成了复杂度自适应推理深度（CARD），根据编辑复杂度动态调整推理步数和令牌长度。此外，空间推理掩码（SRM）将计算资源集中在图像内的语义相关区域。这种自适应方法在基准数据集上实现了1.18倍的加速，同时保持或略微提高了编辑质量。