Swim
PulseAugur coverage of Swim — every cluster mentioning Swim across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的SWIM任务使用AI模拟学生写作熟练度
研究人员推出了一项名为SWIM的新任务，旨在通过熟练度条件生成来模拟学生写作。该研究探讨了提示（prompting）、监督微调（SFT）和强化学习（RL）方法，以评估语言模型在多维度学生写作变化（如内容发展、观点组织、词汇选择和语言运用）方面的复制能力。虽然提示方法控制能力有限，但SFT和RL显著提高了模型与不同熟练度水平的匹配度，尽管重现真实的低熟练度写作仍具挑战性。
-
SWIM 评估模型模拟会话动态，以改进推荐系统
研究人员推出了 SWIM（Step-Wise Integrated Measure），一种用于生成式重排推荐系统的新型列表级评估器。与传统独立评估列表的方法不同，SWIM 将用户行为建模为会话级别的生存过程，考虑了上下文依赖性和效用递减。该方法利用因果掩码 Transformer 有效估计续期概率和效用，满足工业延迟要求。实验表明，与现有基线相比，SWIM 显著提高了推荐参与度。
-
澳大利亚政府在AI问题上存在分歧，BTS面临版权指控
据报道，澳大利亚政府在如何处理人工智能相关问题上存在分歧。另外，韩国流行组合BTS因其歌曲‘Swim’面临侵犯版权的指控。此外，一家天气信息服务公司因侵权被起诉。
-
SWIM 方法从单个示例生成逼真的游泳动作
研究人员开发了 SWIM，一种新颖的模仿学习方法，旨在为角色合成逼真且物理准确的游泳动作。该技术解决了游泳中固有的全身协调和连续流体交互的复杂性，这些复杂性一直困扰着以往的动画方法。SWIM 可以从单个动作示例中学习，并泛化到各种环境、体型和游泳风格，展示了卓越的数据效率、稳定性和鲁棒性。
-
新的训练策略使视频视觉和语言对齐，以实现物体理解
研究人员推出了一种名为SWIM的新训练策略，旨在仅使用文本提示来对齐视频中的视觉和语言表示，以实现详细的物体理解。该方法解决了多模态模型中物体名词产生的视觉注意力模式与属性词不同，导致注意力分散的已知差异。通过使用名为NL-Refer的数据集并强制与地面真实掩码的空间一致性，SWIM旨在改善文本-视觉对齐，并优于现有的基于视觉提示的技术。