实体
Xiang Yu
Xiang Yu
PulseAugur coverage of Xiang Yu — every cluster mentioning Xiang Yu across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
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
最近 · 第 1/1 页 · 共 3 条
-
AI Historian 系统协助历史学家验证时序线索
研究人员开发了一个名为 AI Historian (AIH) 的人工智能系统，旨在协助历史学家整理和验证历史文本中的时序信息。AIH 能够识别源句子中的人物和时间线索，验证跨文本关联，并推断可比的时序范围，同时保持源材料的可追溯证据。在使用涉及刘邦、项羽和萧何的历史案例进行评估时，AIH 在时间定位准确性方面优于人工标注，并且显著优于直接使用大型语言模型提示，同时还大大缩短了标注所需的时间。
-
Kling 3.0 擅长电影级关键帧，但复杂叙事需要工作流调整
Kling 3.0 在生成高质量、具有“电影感”的关键帧和短动作序列方面表现出色，尤其是在构图、光照和角色一致性方面。该模型非常适合创建具有明确目标的视觉冲击力强的场景，例如角色准备或短暂的战斗瞬间。然而，对于涉及复杂空间移动、多角色或大量动作的复杂叙事，Kling 3.0 在将任务分解为较小的、单一目标的镜头，然后通过编辑和音效设计组合起来时，效果最佳。
-
多领域强化学习新研究 · 追踪10个来源
arXiv上发表的多篇研究论文探讨了强化学习（RL）的进展及其应用。一项研究侧重于通过决策树剪枝提高RL策略的可解释性，并在控制基准测试中显示出有效性。另一篇论文介绍了一种博弈论逆强化学习方法，用于预测人类驾驶行为，其准确性优于现有方法。此外，研究还探讨了可解释人工智能（XAI）在人机协作中的支持作用、RL组件在样本高效控制中的协同作用，以及多目标RL的网络现代化。其他论文深入研究了轨迹相对滞后蒸馏、信用节约动作到令牌分配，以及在模拟…