实体
Hao Li
Hao Li
PulseAugur coverage of Hao Li — every cluster mentioning Hao Li across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新基准RefBench-PRO评估MLLM的感知和推理能力
研究人员推出了RefBench-PRO，这是一个旨在评估多模态大型语言模型（MLLM）在指代表达理解（REC）方面的感知和推理能力的新基准。该基准将REC分解为感知和推理维度，涵盖六项具有挑战性的任务，解决了现有基准主要关注感知能力的局限性。还开发了一个新颖的自动化数据生成管道和一个名为Ref-R1的基于强化学习的学习方案，以提高定位精度并为REC提供更强的基线。
-
AI模型ProbGLC通过生成式位置感知增强灾害响应
研究人员开发了一种名为ProbGLC的新型概率性跨视图地理定位方法，以改进灾害响应。该方法结合了概率模型和确定性模型，以增强识别灾害位置的可解释性和准确性。ProbGLC提供了概率分布和可定位性得分等功能，在灾害数据集上展示了卓越的地理定位精度。
-
新的水印方法增强大语言模型安全性，抵御攻击并改进归因
研究人员开发了新的大语言模型（LLM）水印方法，以保护知识产权并防止滥用。Hao Li及其同事提出的DualGuard，通过注入两个互补的水印信号，旨在防御释义和仿冒攻击。另外，Ya Jiang及其合作者引入了MirrorMark，一种嵌入多比特消息而不扭曲文本质量或采样分布的技术，增强了鲁棒性和可检测性。