实体
Jones et al.
Jones et al.
PulseAugur coverage of Jones et al. — every cluster mentioning Jones et al. across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新研究表明，LVLMs在隐式交流方面存在困难
近期关于大型视觉语言模型（LVLMs）在指称性交流方面的两项研究，在它们协调有效指称表达的能力上得出了相互矛盾的结果。Jones等人的一篇论文表明，当明确提示时，LVLMs可以有效地协调，但无法从隐式提示中推断出这种需求。另一篇由Zeng等人撰写的论文指出，LVLMs在指称表达的交互式生成和解析方面存在困难，这凸显了在构建对人类协作至关重要的共同基础方面存在缺陷。两项研究都利用了指称性交流实验来探讨这些差异。
-
新的可预测性损失提高了机器学习模型故障预测的准确性
研究人员开发了一种新的微调目标，称为可预测性损失，以提高部署规模下机器学习模型故障率预测的准确性。该方法解决了现有估计器中可能导致故障过度预测的偏差。通过在语言模型和强化学习代理的初步概念实验中减少预留的预测误差，可预测性损失旨在在不影响主要任务性能的情况下增强部署前的安全评估。