实体
Hart
Hart
PulseAugur coverage of Hart — every cluster mentioning Hart 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
最近 · 第 1/1 页 · 共 3 条
-
新的HART模型结合了Attention和RWKV,以改进时间序列预测
研究人员开发了HART,一种新颖的时间序列基础模型,它结合了Attention和RWKV模块,以改进长视界预测。该模型解决了纯RWKV模型在没有新数据的情况下预测遥远未来时观察到的性能下降问题,他们称之为Placeholder Idling Decay (PID)。在GIFT-Eval和TIME-Benchmark上的实验表明,HART在某些指标上优于纯RWKV,并能媲美一个规模大得多的Transformer模型的性能,同时使用的参数却少得多。
-
新的D2C-Routing方法改进了AI生成文本的检测
研究人员开发了一种名为D2C-Routing的新方法来检测AI生成文本,特别是在内容和表达来源不同的混合来源情况下。该方法将问题构建为维度到组成来源归因,在结合它们之前推断内容和表达来源。D2C-Routing系统在MixD2C基准测试中表现强劲,优于现有方法,并强调区分AI内容/人类表达和完全AI生成文本仍然是一个重大挑战。
-
新的HART技术使大型多模态模型(LMM)能够在无标注的情况下对高分辨率图像进行推理
研究人员开发了一种名为HART(High-resolution Annotation-free Reasoning Technique,高分辨率无标注推理技术)的新技术,以改进大型多模态模型(LMM)处理高分辨率图像的方式。当前LMM在处理高分辨率图像生成的大量token时遇到困难,通常需要昂贵的人工标注来识别重要区域。HART采用闭环框架和一种称为AP-GRPO的策略优化方法,使LMM能够在没有外部监督的情况下自我验证关键区域。在多…