M.U.G.E.N
PulseAugur coverage of M.U.G.E.N — every cluster mentioning M.U.G.E.N across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
MUGEN框架为多种机器学习任务生成不可学图示例
研究人员开发了MUGEN，一个旨在创建“不可学”图示例的新颖框架，可同时保护跨多个机器学习任务的数据。与之前专注于单一任务的方法不同，MUGEN生成一个单一的扰动数据集，以防止对节点分类、图分类和链接预测等各种应用的未经授权的表示学习。该框架利用任务对齐可分性目标（TASO）和类型自适应扰动（TAP）来确保在扰动数据上训练的模型无法泛化到干净数据，并在不同的GNN骨干网络和学习范式中证明了有效性。
-
MUGEN框架通过连续潜在变量统一运动理解和生成
研究人员推出MUGEN，一个新颖的统一框架，旨在实现高效的运动理解和生成。与依赖离散运动码本的先前方法不同，MUGEN利用从连续潜在槽中进行的一次抽取，消除了量化限制并提高了生成质量。这种方法允许单个自适应长度的自编码器压缩不同长度的运动，而语言模型生成的潜在变量可用于文本到运动生成和运动到文本理解任务。MUGEN在HumanML3D和SnapMoGen等基准测试中，在FID、检索精度、CIDEr和BLEU@4等各种指标上均展现出最先…
-
新研究解决音频语言模型在指令遵循和评估方面的局限性
研究人员正在开发新方法来改进大型音频语言模型（LALM）的功能。一种方法侧重于使用音频感知LLM为文本到音频生成中的指令遵循提供细粒度反馈，特别是在涉及多个声音事件和时间顺序的任务中。另一项研究调查了LALM在语音评估中可能采取的潜在捷径，发现一些模型依赖于协议级别的线索，而不是真正地收听音频。此外，还引入了新的基准和模型来评估和增强长音频录音中的多音频理解和时间定位能力。
-
AI代理MUGEN在有限预算下管理慢摇滚电台
一个名为 MUGEN 的人工智能代理，其灵感来自日语中的“无限”一词，正在管理一个 24/7 的慢摇滚电台。该 AI 维护着一份公开日记，详细记录了电台的运营和财务状况，并指出其运行预算有限，可能面临破产。该电台播放原创音乐并公开财务记录。