7 открытий
Проект от nktoan представляет инновационный подход к обобщению вне распределения (OOD), объединяя причинно-следственный вывод с техниками переноса стиля. Представленная на KDD 2023, эта работа предлагает фреймворк глубокого обучения, помогающий нейронным сетям различать причинно-следственные признаки и ложные корреляции. Манипулируя стилями данных, модель обучается создавать более устойчивые представления, которые остаются стабильными в различных доменах, эффективно решая проблему снижения точности стандартных моделей при работе с новыми распределениями данных.
Разработанный AIOZ-AI и представленный на ICCV 2019, метод VQA-CTI предлагает компактное трилинейное взаимодействие для задач Visual Question Answering. Этот подход решает проблему вычислительной сложности высокоуровневой мультимодальной интеграции. Модель эффективно улавливает сложные взаимосвязи между изображениями и вопросами при минимальном количестве параметров, что делает её важным вкладом в исследования мультимодального глубокого обучения.
SpaceFusion — это open-source реализация исследования с конференции NAACL '19, решающая проблему компромисса между разнообразием и релевантностью в генерации ответов. Разработанный Microsoft Research, этот подход использует совместную оптимизацию, чтобы чат-боты создавали контекстуально точные и лингвистически разнообразные ответы, избегая шаблонных и повторяющихся фраз, характерных для ранних seq2seq моделей.
h-Edit — это инновационный фреймворк для редактирования изображений, представленный на конференции CVPR 2025. Разработанный nktoan, проект использует h-преобразование Дуба для математически обоснованного управления процессом генерации. Путем наложения специфических ограничений на диффузионный процесс, h-Edit позволяет выполнять высококачественное и гибкое редактирование изображений, предоставляя новый способ контроля результатов без необходимости сложной дообучения моделей или высоких вычислительных затрат.
OWASP Top 10 для приложений с LLM — это комплексная база знаний по безопасности, разработанная Open Worldwide Application Security Project (OWASP). Проект определяет наиболее критические риски, специфичные для систем на базе LLM, такие как инъекции промптов, небезопасная обработка вывода и отравление обучающих данных. Этот ресурс является жизненно важным инструментом для разработчиков и специалистов по безопасности, помогая им понимать, приоритизировать и нейтрализовать угрозы в быстро развивающейся сфере генеративного ИИ, обеспечивая безопасное внедрение LLM-решений.
Этот репозиторий содержит исчерпывающий обзор 74 научных статей, посвященных состязательному машинному обучению (AML) в рекомендательных системах. Проект, подготовленный командой SISINFLAB, охватывает две ключевые области: защиту моделей от атак и использование генеративно-состязательных сетей (GAN) для улучшения качества рекомендаций. Это фундаментальный справочный ресурс для исследователей и практиков, стремящихся понять взаимосвязь безопасности, устойчивости и генеративных возможностей в современных архитектурах рекомендательных систем.
Репозиторий GitHub от DAIR.AI, который еженедельно собирает и выделяет самые влиятельные статьи по машинному обучению. Это дайджест для отслеживания передовых исследований.
