FrameNet
PulseAugur coverage of FrameNet — every cluster mentioning FrameNet across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的HiPHI数据集通过大规模动作捕捉推动人形机器人学习
为了解决训练人形机器人进行复杂物理交互的数据限制，开发了一个名为HiPHI的新数据集。该数据集规模庞大，包含617.5小时的动作捕捉数据，并以FrameNet为指导框架，系统地涵盖了广泛的人类动作和物体交互。数据包括同步的物体轨迹和网格，使其适用于教授机器人现实世界的任务。在HiPHI上训练的策略已证明随着数据规模的增加而提高了性能，并成功迁移到了物理Unitree G1人形机器人上。
-
FrameBench 基准通过框架语义测试 LLM 语言理解能力
研究人员推出了 FrameBench，一个旨在基于框架语义评估大型语言模型 (LLM) 语言理解能力的新基准。该基准通过区分同一动词在不同语境下唤起的框架，测试模型是否能通过将词汇意义与背景知识联系起来，从而对文本进行隐含的补充信息丰富。FrameBench 使用 FrameNet 资源和人工验证构建，支持英语和日语，对小型模型提出了挑战，而一些大型模型已展现出超越人类参考分数的性能。
-
新的基准和数据集推动人体运动追踪和生成技术发展
研究人员推出了新的评估人体运动追踪和生成任务的基准和数据集。HiPHI提供了超过600小时的高保真运动数据，并遵循语言学原理进行指导，以改进人形策略学习。HumanTracker提供了一个包含153小时运动数据的基准，以及一个名为HumanScore的新指标，该指标旨在与人类对运动质量的感知保持一致，特别关注物理接触和稳定性。此外，PRISM提出了一个新颖的流式人体运动生成框架，将运动分解为运动学单元，在学术数据集上的表现优于现有的文…
-
新的 AI 架构 Synapedia 使用事件定义概念
一种名为 Synapedia 的新 AI 架构提出，不仅根据概念的属性来定义它们，还要根据它们关联的事件来定义。这一方法在研究论文中有所详述，认为现有的 AI 知识系统（如 WordNet 和 Wikidata）存在根本性缺陷，因为它们没有将事件视为一等定义公民。通过纳入诸如马车的“运输”或银行的“存款”等事件，Synapedia 旨在创建一个更完整、更无歧义的词汇表。该论文还包含一个使用维基百科和 LLM 来引导构建这种新字典的 P…