Codi
PulseAugur coverage of Codi — every cluster mentioning Codi across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
CoDi 扩散模型在少样本目标计数方面取得进展
研究人员开发了 CoDi，一种新颖的基于扩散的少样本目标计数模型，在密集区域和小型目标方面表现出色。该模型利用基于示例的条件模块在去噪网络中提取和调整目标原型，从而提高了目标定位估计的准确性。在少样本、单样本和无参考场景下，CoDi 在 FSC 基准测试上的表现显著优于现有最先进的方法，并在 MCAC 基准测试上设定了新标准。
-
CoLT框架教会多模态模型用潜在思维进行推理
研究人员开发了CoLT（Chain of Latent Thoughts，潜在思维链），一个旨在提高多模态大语言模型（MLLMs）在视觉推理任务中效率和效果的新框架。与依赖冗长文本标记的传统思维链（CoT）方法不同，CoLT利用潜在思维表示链，显著减少了推理时间和计算成本。该框架在训练期间采用轻量级外部解码器进行步级监督，确保了稳定且有意义的潜在推理，然后在推理时移除该解码器以实现最大效率。实验表明，CoLT的性能优于现有的潜在推理方…
-
潜在推理模型可能提供更安全、更可解释的AI
LessWrong 上的一篇文章探讨了潜在推理模型（LRMs）在AI安全和可解释性方面的潜在优势。这些模型在内部激活中执行思维链（CoT）推理，而不是生成显式文本，这可能提供一种更压缩、可能更易于理解的思维过程表示。作者认为，通过将整个想法编码到单个潜在标记中，LRMs可能比传统的基于文本的CoT更容易解释，特别是随着AI系统扩展到变革性水平。然而，该文章承认关于多义标记的可解释性存在不确定性，这很可能在如此压缩的表示中出现。