ICLR2024 Papers with Code

ICLR 2024-Papiere und Open-Source-Projektsammlung

Ziel dieses Lagers ist es, die neuesten Forschungsfortschritte des ICLR, insbesondere im LLM, unter Einbeziehung aller Richtungen im NLP-Bereich zu sammeln. Dieses Projekt wird über einen längeren Zeitraum hinweg von Zeit zu Zeit aktualisiert.
Willkommen beim Watch and Fork! Aber es wäre besser, ihm einen Stern zu geben❤️.
Zhihu-Adresse: ShuYini
Öffentliches WeChat-Konto: AINLPer ( täglich aktualisiert, gerne folgen )

Sammlung von ICLR-Artikeln und Open-Source-Projekten im Laufe der Jahre

• ICLR 2023-Papiere und Open-Source-Projektsammlung
• ICLR 2022-Papiere und Open-Source-Projektsammlung
• ICLR 2021-Papiere und Open-Source-Projektsammlung

ICLR2024 Papier akzeptieren

1. Denkförderung: Problemlösung durch Versuch und Irrtum mit großen Sprachmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/iQua/llmpebase

2. TabR: Tabellarisches Deep Learning trifft nächste Nachbarn

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/yandex-research/tabular-dl-tabr

3. Generativer Richter zur Bewertung der Ausrichtung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/GAIR-NLP/auto-j

4. Was macht gute Daten für die Ausrichtung aus? Eine umfassende Studie zur automatischen Datenauswahl bei der Befehlsoptimierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/hkust-nlp/deita

5. Testzeitanpassung gegen multimodale Zuverlässigkeitsverzerrung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/XLearning-SCU/2024-ICLR-READ

6. Bellman Optimal Stepsize Straightening von Flow-Matching-Modellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/nguyenngocbaocmt02/BOSS

7. Zur Erlernbarkeit von Wasserzeichen für Sprachmodelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/chenchenygu/watermark-learnability

8. Verbesserung der Tail-Leistung in Extremklassifikatoren durch Reduzierung der Etikettenvarianz

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://aka.ms/lever

9. Ist dies der Subraum, nach dem Sie suchen? Eine Interpretierbarkeitsillusion für das Patchen der Subraumaktivierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://arxiv.org/abs/2311.17030

10. Mehrsprachige Jailbreak-Herausforderungen in großen Sprachmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/DAMO-NLP-SG/multilingual-safety-for-LLMs

11. Überdenken der Macht der Graphkanonisierung beim stabilen Lernen der Graphdarstellung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/zehao-dong/RethinkGraphCanonical

12. AnomalyCLIP: Objektunabhängiges Prompt-Learning zur Zero-Shot-Anomalieerkennung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/zqhang/AnomalyCLIP

13. Auf dem Weg zu zuverlässigen Erklärungen: Förderung der Rationalisierung durch Shortcuts Discovery

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/yuelinan/codes-of-SSR

14. CORN: Kontaktbasierte Objektdarstellung zur ungreifbaren Manipulation allgemeiner unsichtbarer Objekte

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://sites.google.com/view/contact-non-prehensile

15. TESTAM: Ein zeitverstärktes räumlich-zeitliches Aufmerksamkeitsmodell mit Expertenmischung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/HyunWookL/TESTAM

16.Graph-Parsing-Netzwerke

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/LUMIA-Group/GraphParsingNetworks

17. KoLA: Sorgfältiges Benchmarking des weltweiten Wissens über große Sprachmodelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

18. LUM-ViT: Lernbarer Masken-Vision-Transformator mit Unterabtastung für die bandbreitenbegrenzte optische Signalerfassung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/MaxLLF/LUM-ViT

19. Soziale Transformation: Schnelle Vorhersage der menschlichen Flugbahn

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/vita-epfl/social-transmotion

20. Robuste Klassifizierung durch Regression für das Lernen mit verrauschten Etiketten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/ErikEnglesson/SGN

21. Partitionierung der Nachrichtenübermittlung zur Erkennung von Graph-Betrug

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Xtra-Computing/PMP

22. Widersprüchliche Halluzinationen großer Sprachmodelle: Bewertung, Erkennung und Abschwächung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://chatprotect.ai/

23. In-Context-Autoencoder zur Kontextkomprimierung in einem großen Sprachmodell

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/getao/icae

24. DDMI: Domänenunabhängige latente Diffusionsmodelle zur Synthese hochwertiger impliziter neuronaler Darstellungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/mlvlab/DDMI

25. Überdenken der Kanalabhängigkeit für multivariate Zeitreihenprognosen: Lernen aus Frühindikatoren

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/SJTU-Quant/LIFT

26. Milderung von Halluzinationen in großen multimodalen Modellen durch robustes Befehlstuning

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/FuxiaoLiu/LRV-Instruction

27. RingAttention mit blockweisen Transformatoren für nahezu unendlichen Kontext

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/lhao499/ringattention

28. Chain of Hindsight bringt Sprachmodelle mit Feedback in Einklang

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/lhao499/chain-of-hindsight

29. Transformatoren diagnostizieren: Funktionsräume für die klinische Entscheidungsfindung beleuchten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/adelaidehsu/path_model_evaluation

30. Umgang mit Plastizitätsverlust und katastrophalem Vergessen beim kontinuierlichen Lernen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/mohmdelsayed/upgd

31. RepoBench: Benchmarking von Code-Autovervollständigungssystemen auf Repository-Ebene

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Leolty/repobench

32. Suche nach neuronalen Nuggets: Wissenstransfer in großen Sprachmodellen aus parametrischer Perspektive

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://maszhongming.github.io/ParaKnowTransfer

33. Nutzung von Erklärungen: LLM-zu-LM-Interpreter für verbessertes Lernen der textattributierten Graphdarstellung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/XiaoxinHe/TAPE

34. Kontextbezogenes Lernen durch das Bayes'sche Prisma

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/mdrpanwar/icl-bayesian-prism

35. Neuronale Spektralmethoden: Selbstüberwachtes Lernen im Spektralbereich

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/ASK-Berkeley/Neural-Spectral-Methods

36. SuRe: Zusammenfassen von Abfragen mithilfe von Antwortkandidaten für die Open-Domain-QA von LLMs

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/bbuing9/ICLR24_SuRe

37. Kosmos-G: Generieren von Bildern im Kontext mit multimodalen großen Sprachmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://aka.ms/GeneralAI

38. Wissenskette: Verankerung großer Sprachmodelle durch dynamische Wissensanpassung über heterogene Quellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/DAMO-NLP-SG/chain-of-knowledge

39. LitCab: Leichte Sprachmodellkalibrierung über Kurz- und Langform-Antworten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/launchnlp/LitCab

40. Energiebasierte automatisierte Modellbewertung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/pengr/Energy_AutoEval

41. SKILL-MIX: eine flexible und erweiterbare Familie von Auswertungen für KI-Modelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://skill-mix.github.io

42. ArchLock: Sperrung der DNN-Übertragbarkeit auf Architekturebene mit einem kostengünstigen binären Prädiktor

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Tongzhou0101/ArchLock

43. Daten-Debugging mit Shapley-Bedeutung gegenüber Pipelines für maschinelles Lernen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/easeml/datascope

44. RECOMP: Verbesserung von Retrieval-Augmented LMs mit Kontextkomprimierung und selektiver Augmentation

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/carriex/recomp

45. Gen-Z: Generative Zero-Shot-Textklassifizierung mit kontextualisierten Etikettenbeschreibungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Sachin19/generative-classification/

46. ​​​​Die Dichotomie impliziter Vorurteile in der Früh- und Spätphase kann nachweislich zu Grokking führen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/vfleaking/grokking-dichotomy

47. PromptAgent: Strategische Planung mit Sprachmodellen ermöglicht Prompt-Optimierung auf Expertenebene

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/XinyuanWangCS/PromptAgent

48. Die Voreingenommenheit ist tiefgreifend: Implizite Argumentationsverzerrungen in Persona-zugewiesenen LLMs

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://allenai.github.io/persona-bias

49. Grenzen überschreiten: Der Einfluss von Verwechslungen auf den neuronalen Kollaps

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://colab.research.google.com/drive/1I7WkgFOCYMj_WqT44YsRyHOyXYZyfJyV?usp=sharing

50. Graph Transformers auf EHRs: Eine bessere Darstellung verbessert die Downstream-Leistung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/healthylaife/GT-BEHRT

51. Unsicherheitsbewusste graphbasierte hyperspektrale Bildklassifizierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/linlin-yu/uncertainty-aware-HSIC.git

52. Zur Skalierbarkeit und Speichereffizienz semidefiniter Programme zur Lipschitz-Konstantenschätzung neuronaler Netze

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/z1w/LipDiff

53. Sind Bert-Familie gute Belehrungsanhänger? Eine Studie über ihr Potenzial und ihre Grenzen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/LitterBrother-Xiao/Instruct_XMLR/tree/main

54. UNR-Explainer: Kontrafaktische Erklärungen für unbeaufsichtigte Lernmodelle zur Knotendarstellung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/hjkng/unrexplainer

55. Erkundung der Versprechen und Grenzen des wiederkehrenden Lernens in Echtzeit

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/IDSIA/rtrl-elstm

56. Neural-symbolische rekursive Maschine zur systematischen Generalisierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://liqing-ustc.github.io/NSR

57. Davidsonian Scene Graph: Verbesserung der Zuverlässigkeit bei der feinkörnigen Auswertung für die Text-zu-Bild-Generierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://google.github.io/dsg

58. Sind Modelle bei Texten ohne geschlechtsspezifische Sprache voreingenommen?

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://ucinlp.github.io/unstereo-eval

59. PlaSma: Prozedurale Wissensmodelle für sprachbasierte Planung und Neuplanung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/allenai/PlaSma

60. Auf dem Weg zu grundlegenden Modellen für molekulares Lernen auf großen Multi-Task-Datensätzen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/datamol-io/graphium

61. Transformer-VQ: Linearzeittransformatoren mittels Vektorquantisierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/transformer-vq/transformer_vq

62. Training von Diffusionsmodellen mit Reinforcement Learning

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: http://rl-diffusion.github.io

63. Effiziente Modulation für Vision-Netzwerke

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/ma-xu/EfficientMod

64. Vorschulung von LiDAR-basierten 3D-Objektdetektoren durch Kolorierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/tydpan/GPC/

65. Ein Emulator zur Feinabstimmung großer Sprachmodelle mithilfe kleiner Sprachmodelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/eric-mitchell/emulated-fine-tuning

66. Sprachmodelldetektoren lassen sich leicht optimieren

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/charlottttee/llm-detector-evasion

67. Zero-Shot-Robotermanipulation mit vorab trainierten Bildbearbeitungs-Diffusionsmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: http://rail-berkeley.github.io/susie

68. GAFormer: Verbesserung von Zeitreihentransformatoren durch gruppenbewusste Einbettungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/nerdslab/GAFormer

69. Stochastischer Gradientenabstieg für Gaußsche Prozesse richtig gemacht

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/cambridge-mlg/sgd-gp

70. Feinabstimmung von Sprachmodellen für Faktizität

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/kttian/llm_factuality_tuning

71. CNN-Kernel können die besten Shapelets sein

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

72. Entmystifizierung vergiftender Backdoor-Angriffe aus statistischer Sicht

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/KeyWgh/DemystifyBackdoor

73. Vorwärtslernen graphischer neuronaler Netze

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/facebookresearch/forwardgnn

74. Ist die Generalisierungsleistung von CLIP hauptsächlich auf die hohe Ähnlichkeit der Zugtests zurückzuführen?

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/brendel-group/clip-ood

75. Gruppenpräferenzoptimierung: Few-Shot-Ausrichtung großer Sprachmodelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://siyan-zhao.github.io/llm-gpo/

76. L2MAC: Automatischer Computer mit großem Sprachmodell für umfangreiche Codegenerierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

77. Llemma: Ein offenes Sprachmodell für die Mathematik

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/EleutherAI/math-lm

78. Baumsuchbasierte Richtlinienoptimierung unter stochastischer Ausführungsverzögerung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/davidva1/Delayed-EZ

79. Jenseits der Genauigkeit: Bewertung der Selbstkonsistenz von Code-Großsprachenmodellen mit IdentityChain

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/marcusm117/IdentityChain

80. Kontextbewusstes Meta-Lernen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/cfifty/CAML

81. Die Wirksamkeit des zufälligen Vergessens für eine robuste Generalisierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/NeurAI-Lab/FOMO

82. VCR-Graphormer: Ein Mini-Batch-Graph-Transformator über virtuelle Verbindungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/DongqiFu/VCR-Graphormer

83. Lie-Gruppenzerlegungen für äquivariante neuronale Netze

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/mirceamironenco/rgenn

84. DRSM: De-randomisierte Glättung des Malware-Klassifikators für zertifizierte Robustheit

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/ShoumikSaha/DRSM

85. Nach Grok oder nicht nach Grok: Verallgemeinerung und Auswendiglernen bei beschädigten algorithmischen Datensätzen entwirren

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/d-doshi/Grokking.git

86. Zur Varianz des Trainings neuronaler Netze in Bezug auf Testsätze und -verteilungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://paperswithcode.com/sota/image-classification-on-cifar-10

87. GNNBoundary: Auf dem Weg zur Erklärung graphischer neuronaler Netze durch die Linse von Entscheidungsgrenzen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/yolandalalala/GNNNoundary

88. Auf dem Weg zu einer identifizierbaren unbeaufsichtigten Domänenübersetzung: Ein diversifizierter Verteilungs-Matching-Ansatz

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/XiaoFuLab/Identifiable-UDT.git

89. SineNet: Lernen der zeitlichen Dynamik in zeitabhängigen partiellen Differentialgleichungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/divelab/AIRS

90.Können große Sprachmodelle aus Korrelation auf Kausalität schließen?

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://huggingface.co/datasets/causalnlp/corr2cause

91. Eine Variationsperspektive zur Lösung inverser Probleme mit Diffusionsmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/NVlabs/RED-diff

92. Schichtweise Konnektivität im linearen Modus

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/link-er/layer-wise-lmc

93. NEFTune: Verrauschte Einbettungen verbessern die Feinabstimmung von Anweisungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/neelsjain/NEFTune

94. Sparse MoE mit sprachgesteuertem Routing für mehrsprachige maschinelle Übersetzung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/UNITES-Lab/Lingual-SMoE

95. REFACTOR: Lernen, Theoreme aus Beweisen zu extrahieren

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/jinpz/refactor

96. Erkennen von Pretraining-Daten aus großen Sprachmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://swj0419.github.io/detect-pretrain.github.io/

97. Nicht vertrauen: Verifizieren – Quantitative Argumentation im LLM mit Autoformalisierung begründen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/jinpz/dtv

98. PubDef: Abwehr von Transferangriffen öffentlicher Modelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/wagner-group/pubdef

99. AutomaTikZ: Textgesteuerte Synthese wissenschaftlicher Vektorgrafiken mit TikZ

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://nl2g.github.io

100.Können durch LLM generierte Fehlinformationen erkannt werden?

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://llm-misinformation.github.io/

101. Ein einfach interpretierbarer Transformator für die feinkörnige Bildklassifizierung und -analyse

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Imageomics/INTR

102. Entwirrung von Zeitreihendarstellungen durch kontrastive Unterstützungsunabhängigkeit bei l-variativer Inferenz

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

103. Verteilungspräferenzlernen: Versteckten Kontext in RLHF verstehen und berücksichtigen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/cassidylaidlaw/hidden-context

104. Eureka: Belohnungsdesign auf menschlicher Ebene durch Codierung großer Sprachmodelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://eureka-research.github.io

105. 3D-Feature-Vorhersage für Masked-AutoEncoder-basiertes Punktwolken-Vortraining

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/SimingYan/MaskFeat3D

106. Katastrophales Vergessen in Sprachmodellen durch implizite Inferenz verstehen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/kothasuhas/understanding-forgetting

107. Aus Etikettenproportionen lernen: Beaufsichtigte Lernende durch Glaubensverbreitung fördern

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

108. Was macht einen guten Prune aus? Maximaler unstrukturierter Pruning für maximale Cosinus-Ähnlichkeit

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/gmw99/what_makes_a_good_prune

109. Förderung kleiner Medizinstudierender durch datenschutzschonende kontextbezogene Eingabeaufforderungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/XZhang97666/PrivacyBoost-SLM

110. Vocos: Schließen der Lücke zwischen Zeitbereichs- und Fourier-basierten neuronalen Vocodern für hochwertige Audiosynthese

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/gemelo-ai/vocos

111. Lernverzögerungen beim Spiken neuronaler Netze mithilfe erweiterter Faltungen mit lernbaren Abständen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Thvnvtos/SNN-delays

112. Der Fluch der Umkehr: LLMs, die auf „A ist B“ trainiert sind, lernen nicht „B ist A“

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/lukasberglund/reversal_curse

113. AutoDAN: Generieren heimlicher Jailbreak-Eingabeaufforderungen für ausgerichtete große Sprachmodelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/SheltonLiu-N/AutoDAN

114. MixSATGEN: Lernen von Graph-Mixing für die SAT-Instanzgenerierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Thinklab-SJTU/MixSATGEN

115. PROGRAMM: PROtotype GRAph Modellbasiertes Pseudo-Label-Lernen zur Testzeitanpassung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: {sunhaopeng,jinsheng}@tetras.ai

116. Geheimnisse der Hintertür gelüftet: Identifizierung von Hintertürdaten mit optimierter skalierter Vorhersagekonsistenz

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/OPTML-Group/BackdoorMSPC

117. Konsistenztrajektorienmodelle: Lernen des Wahrscheinlichkeitsflusses ODE-Trajektorie der Diffusion

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/sony/ctm

118. Deep SE(3)-äquivariantes geometrisches Denken für präzise Platzierungsaufgaben

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://sites.google.com/view/reldist-iclr-2023

119. Hierarchische Kontextzusammenführung: Besseres Verständnis langer Kontexte für vorab trainierte LLMs

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/alinlab/HOMER

120. ViLMA: Ein Zero-Shot-Benchmark für sprachliche und zeitliche Verankerung in Video-Sprachmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://cyberiada.github.io/ViLMA

121. Diffusion in Diffusion: Zyklische Einwegdiffusion für die textvisionsbedingte Erzeugung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://wangruoyu02.github.io/cow.github.io/

122. Begrenzung der erwarteten Robustheit graphischer neuronaler Netze, die Node-Feature-Angriffen ausgesetzt sind

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Sennadir/GCORN

123. Bewertungsmodelle für Offline-zielkonditioniertes Verstärkungslernen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://hari-sikchi.github.io/smore/

124. USB-NeRF: Unrolling Shutter Bundle Angepasste neuronale Strahlungsfelder

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

125. Beyond Imitation: Nutzung feinkörniger Qualitätssignale zur Ausrichtung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/RUCAIBox/FIGA

126. Kontrastive Differenzprädiktive Codierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/chongyi-zheng/td_infonce

127. MCM: Maskierte Zellmodellierung zur Anomalieerkennung in Tabellendaten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/JXYin24/MCM

128. HiGen: Generative Netzwerke für hierarchische Graphen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Karami-m/HiGen_main

129. Entkommen Sie himmelhohen Kosten: Selbstkonsistenz für mehrstufiges Denken frühzeitig stoppen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Yiwei98/ESC

130. PolyVoice: Sprachmodelle für die Sprach-zu-Sprache-Übersetzung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://polyvoice.github.io

131. Adversarial Feature Map Pruning für Backdoor

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/hku-systems/FMP

132. EmerDiff: Neues semantisches Wissen auf Pixelebene in Diffusionsmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://kmcode1.github.io/Projects/EmerDiff/

133. CLEX: Kontinuierliche Längenextrapolation für große Sprachmodelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/DAMO-NLP-SG/CLEX

134. FairSeg: Ein umfangreicher medizinischer Bildsegmentierungsdatensatz für Fairness-Lernen unter Verwendung des Segment Anything-Modells mit fairer fehlergebundener Skalierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://ophai.hms.harvard.edu/datasets/harvard-fairseg10k

135. InstructCV: Anweisungsabgestimmte Text-zu-Bild-Diffusionsmodelle als Vision-Generalisten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/AlaaLab/InstructCV

136. Conserve-Update-Revise zur Heilung von Generalisierung und Robustheitskompromiss im gegnerischen Training

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/NeurAI-Lab/CURE

137. Können wir Domänenanpassungsmodelle ohne Zieldomänenbezeichnungen bewerten?

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://sleepyseal.github.io/TransferScoreWeb/

138. Rauschunterdrückung des Task-Routings für Diffusionsmodelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://byeongjun-park.github.io/DTR/

139. Frequenzbewusster Transformator für erlernte Bildkomprimierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/qingshi9974/ICLR2024-FTIC

140. Belohnungsmodell-Ensembles helfen, Überoptimierung zu verhindern

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/tlc4418/llm_optimization

141. Verständnis der Robustheit der Verteidigung randomisierter Features gegen abfragebasierte gegnerische Angriffe

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/mail-research/randomized_defenses

142. GoLLIE: Annotation Guidelines verbessern die Zero-Shot-Informationsextraktion

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/hitz-zentroa/GoLLIE

143. Helfen generierte Daten immer beim kontrastiven Lernen?

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/PKU-ML/adainf

144. Sicheres Offline-Verstärkungslernen mit durchführbarkeitsgesteuertem Diffusionsmodell

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://zhengyinan-air.github.io/FISOR/

145. Zero Bubble (Fast) Pipeline-Parallelität

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/sail-sg/zero-bubble-pipeline-parallelism

146. Erforschung des Gewichtsausgleichs bei Long-Tailed-Erkennungsproblemen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/HN410/Exploring-Weight-Balancing-on-Long-Tailed-Recognition-Problem

147. Kompositionskonservatismus: Ein transduktiver Ansatz beim Offline-Reinforcement-Lernen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

148. Flow to Better: Offline-präferenzbasiertes Verstärkungslernen durch bevorzugte Trajektoriengenerierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Zzl35/flow-to-better

149. ED-NeRF: Effiziente textgesteuerte Bearbeitung von 3D-Szenen mit Latent Space NeRF

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://jhq1234.github.io/ed-nerf.github.io/

150. Weiterentwicklung der positionsgesteuerten Bildsynthese mit progressiven bedingten Diffusionsmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/tencent-ailab/PCDMs

151. Aufmerksamkeitsbasierte iterative Zerlegung zur Darstellung von Tensorprodukten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/taewonpark/AID

152. Prometheus: Induzieren einer feinkörnigen Bewertungsfähigkeit in Sprachmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://kaistai.github.io/prometheus/

153. Bewertung der Agentur für Sprachmodelle durch Verhandlungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://arxiv.org/abs/2401.04536

154. VersVideo: Nutzung verbesserter zeitlicher Diffusionsmodelle für die vielseitige Videoerzeugung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://jinxixiang.github.io/versvideo/

155. Steuerung von Vision-Language-Modellen für die Multitasking-Bildwiederherstellung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Algolzw/daclip-uir

156. Einige grundlegende Aspekte der Lipschitz-Kontinuität neuronaler Netze

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

157. Noch ein weiterer ICU-Benchmark: Ein flexibler multizentrischer Rahmen für klinisches ML

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://orcid.org/0000-0002-2895-4872

158. Gemeinsame regen-/detailbewusste Darstellungen nutzen, um komplizierte Regenfälle zu eliminieren

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Schizophreni/CoIC

159. AgentBench: Bewertung von LLMs als Agenten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/THUDM/AgentBench

160. Differenziell private synthetische Daten über Foundation Model APIs 1: Bilder

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/microsoft/DPSDA

161. Plug-and-Play-Richtlinienplaner für auf großen Sprachmodellen basierende Dialogagenten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/dengyang17/PPDPP

162. Bootstrapping Variational Information Pursuit mit großen Sprach- und Bildmodellen zur interpretierbaren Bildklassifizierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/adityac94/conceptqa_vip

163. Bewertung großer Sprachmodelle bei der Bewertung der Anweisungsbefolgung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/princeton-nlp/LLMBar

164. Kontrastives Backdoor-Lernen mittels Bi-Level-Trigger-Optimierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/SWY666/SSL-backdoor-BLTO

165. MetaCoCo: Ein neuer Few-Shot-Klassifizierungs-Benchmark mit falscher Korrelation

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/remiMZ/MetaCoCo-ICLR24

166. SafeDreamer: Sicheres Verstärkungslernen mit Weltmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/PKU-Alignment/SafeDreamer

167. Schleifentransformatoren sind besser im Erlernen von Lernalgorithmen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Leiay/looped_transformer

168. Zertifizierte gegnerische Robustheit für ratenkodierte neuronale Netzwerke mit Spitzenwert

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/BhaskarMukhoty/CertifiedSNN

169. Fake It Til Make It: Föderiertes Lernen mit konsensorientierter Generierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/rui-ye/FedCOG

170.Erklärung von Zeitreihen durch kontrastive und lokal spärliche Störungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/zichuan-liu/ContraLSP

171. Dynamische neuronale Reaktionsabstimmung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/horrible-dong/DNRT

172. Geerdetes objektzentriertes Lernen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

173. Zur Stabilität expressiver Positionskodierungen für Graphen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Graph-COM/SPE

174. SEINE: Short-to-Long-Videodiffusionsmodell für generativen Übergang und Vorhersage

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://vchitect.github.io/SEINE-project/

175. Vertrauensbewusste Belohnungsoptimierung zur Feinabstimmung von Text-zu-Bild-Modellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/kykim0/TextNorm

176. Der Teufel steckt in den Neuronen: Interpretation und Abschwächung sozialer Vorurteile in Sprachmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/theNamek/Bias-Neurons.git

177. Ensemble-Destillation für unbeaufsichtigtes Wahlkreis-Parsing

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

178. Trainingsfreies Multiobjektiv-Diffusionsmodell für die 3D-Molekülerzeugung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: mailto:[email protected]

179. Flag-Aggregator: Skalierbares verteiltes Training unter Ausfällen und erhöhten Verlusten mithilfe konvexer Optimierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/hamidralmasi/FlagAggregator

180. Nicht-negatives kontrastives Lernen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/PKU-ML/non_neg

181. Domänenverallgemeinerung verstehen: Eine Perspektive der Rauschrobustheit

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/qiaoruiyt/NoiseRobustDG

182.Bild-Clustering abhängig von Textkriterien

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/sehyunkwon/ICTC

183. Demaskierung und Verbesserung der Datenglaubwürdigkeit: Eine Studie mit Datensätzen zum Training harmloser Sprachmodelle

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Docta-ai/docta

184. Expressivität von GNN beim Regellernen verstehen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: [email protected]

185. COLLIE: Systematische Konstruktion eingeschränkter Textgenerierungsaufgaben

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://collie-benchmark.github.io

186. GENOME: Generatives neurosymbolisches visuelles Denken durch Erweitern und Wiederverwenden von Modulen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://vis-www.cs.umass.edu/genome

187. Verschwindende Gradienten bei der verstärkenden Feinabstimmung von Sprachmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/apple/ml-rlgrad

188. Hyper Evidential Deep Learning zur Quantifizierung der Unsicherheit der zusammengesetzten Klassifizierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/Hugo101/HyperEvidentialNN

189. Bewerten Sie die regulierte Richtlinienoptimierung durch Diffusionsverhalten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/thu-ml/SRPO

190. Konzept von generativen Engpassmodellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/prescient-design/CBGM

191. Robustisierung und Förderung der trainingsfreien neuronalen Architektursuche

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/hzf1174/RoBoT

192. MUFFIN: Kuratieren vielschichtiger Anweisungen zur Verbesserung der Anweisungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://renzelou.github.io/Muffin/

193. Grounded Action Abstracts aus der Sprache lernen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/CatherineWong/llm-operators

194. BayesDiff: Schätzung der pixelweisen Unsicherheit bei der Diffusion mittels Bayes'scher Inferenz

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/karrykkk/BayesDiff

195. $mathbb{D}^2$ Pruning: Message Passing zum Ausgleich von Diversität und Schwierigkeiten bei der Datenbereinigung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/adymaharana/d2pruning

196. LQ-LoRA: Niedrigrangige plus quantisierte Matrixzerlegung für eine effiziente Feinabstimmung des Sprachmodells

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/HanGuo97/lq-lora

197. Gedankengerüst: LLMs für eine effiziente parallele Erzeugung anregen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://sites.google.com/view/sot-llm

198. Deep Temporal Graph Clustering

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/MGitHubL/Deep-Temporal-Graph-Clustering

199. CoVLM: Komponieren visueller Einheiten und Beziehungen in großen Sprachmodellen durch kommunikative Dekodierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://vis-www.cs.umass.edu/CoVLM/

200. Auf dem Weg zur Erzeugung eines ausgerichteten Layouts über ein Diffusionsmodell mit ästhetischen Einschränkungen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/puar-playground/LACE

201. Steve-Eye: Ausstattung von LLM-basierten verkörperten Agenten mit visueller Wahrnehmung in offenen Welten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://sites.google.com/view/steve-eye

202. WizardLM: Befähigung großer vorab trainierter Sprachmodelle, komplexen Anweisungen zu folgen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://chat.openai.com/

203. CLIP-MUSED: CLIP-gesteuerte semantische Decodierung visueller neuronaler Informationen mit mehreren Subjekten

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/CLIP-MUSED/CLIP-MUSED

204. Kontrastives Präferenzlernen: Lernen aus menschlichem Feedback ohne verstärkendes Lernen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/jhejna/cpl

205. CoT3DRef: Chain-of-Thoughts Dateneffiziente 3D-Visualisierung

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: https://github.com/eslambakr/CoT3D_VG

206. Das Verständnis visueller Datentypen entsteht nicht durch die Skalierung von Vision-Language-Modellen

• Papier: Klicken Sie hier, um es herunterzuladen
• Code: Mailto: [email protected]

207. Fernerkundungsmodelle ohne Annotationen über die Remote-Ausrichtung des Bodens zu sensationsprachig

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://graft.cs.cornell.edu/

208. Lernplanung Abstraktionen aus der Sprache

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://parl2024.github.io/

209. Auf der Fairness Road: Robuste Optimierung für das kontroverse Debiasing

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/axa-rev-research/road-fairness/

210. Anpassung von Selbstrationalisierern mit mehrerer Aufwand Destillation

• Papier: Klicken Sie hier, um herunterzuladen
• Code: inklab.usc.edu/Mario/

211. Aufbau kooperativer Wirkstoffe modular mit großen Sprachmodellen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://visww.cs.umass.edu/co-llm-agents/

212. Schnelle Hyperboloid -Entscheidungsbaumalgorithmen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/pchlenski/hyperdt

213. wenige Schusserkennung von maschinengenerierten Text unter Verwendung von Stildarstellungen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/llnl/luar/tree/main/fewshot_iclr2024

214. Massive Bearbeitung für große Sprachmodelle über Meta -Lernen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/chenmientan/malmen

215. Datendestillation kann wie Wodka sein: Den mehrmals für eine bessere Qualität destillieren

• Papier: Klicken Sie hier, um herunterzuladen
• CODE: https://github.com/vita-group/progressivedd

216. sichere und robuste Wasserzeichen -Injektion mit einem einzigen OOD -Bild

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/illidanlab/single_oodwatermark

217. Fachwissen definieren: Anwendungen zur Behandlung von Behandlungseffekten

• Papier: Klicken Sie hier, um herunterzuladen
• Code: Mailto: [email protected]

218. Linderung der Expositionsverzerrung in Diffusionsmodellen durch Probenahme mit verschobenen Zeitschritten

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/mingxiao-li/ts-dpm

219. Difftactile: Ein physikbasierter differenzierbarer taktiler Simulator für Kontakt-reiche Robotermanipulation

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://difftactile.github.io/

220. Tangententransformatoren für Komposition, Privatsphäre und Entfernung

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/tianyu139/tangent-model-composition

221. Bayes Bedingte Verteilungsschätzung für die Wissensdestillation basierend auf bedingten gegenseitigen Informationen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/iclr2024mcmi/iclrmcmi

222. Universelle Führung für Diffusionsmodelle

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/arpitbansal297/universal-Guided-diffusion

223. Quantifizierung der Sensibilität der Sprachmodelle gegenüber falschen Merkmalen im schnellen Design oder wie ich gelernt habe, mir Sorgen um die schnelle Formatierung zu machen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/msclar/formatspread

224. Neuronaler SDF -Fluss für die 3D -Rekonstruktion dynamischer Szenen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/wei-mao-2019/sdfflow.git

225. Rephrase, Augment, Grund: Visuelle Erdung von Fragen für Visionsprachenmodelle

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/archiki/repare

226. Zoologie: Messen und Verbesserung des Rückrufs in effizienten Sprachmodellen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/hazyresearch/zoology

227. Dynamisches spärliches Training mit strukturierter Sparsity

• Papier: Klicken Sie hier, um herunterzuladen
• Code: Mailto: [email protected]

228. Zum Training ohne Tiefengrenzen: Stapelnormalisierung ohne Gradientenexplosion

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/alexandrumerez/bngrad

229. Neugierde-betriebene Rotteaming für große Sprachmodelle

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/improboBable-ai/curiosity_redteam

230. Tactis-2: Bessere, schnellere, einfachere Aufmerksamkeitskopulas für multivariate Zeitreihen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/servicenow/tactis

231. Robustheit von Ai-Image-Detektoren: grundlegende Grenzen und praktische Angriffe

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/mehrdadsaberi/watermark_robustness

232. Tic-Clip: Kontinuierliches Training von Clip-Modellen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/apple/ml-tic-clip

233. eingeschränkt

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/duglm38/Codec

234. Ein ursprünglich duoaler Ansatz zur Lösung von Variationsungleichheiten mit allgemeinen Einschränkungen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: Mailto: [email protected]

235. Channel Vision Transformers: Ein Bild ist 1 x 16 x 16 Wörter wert

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/insitro/channelvit

236. ECOFLAP: Effizienter grob bis zur Finanzschicht, das Beschneidung für Visionsprachenmodelle

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://ecoflap.github.io/

237. Rekonstruktionsangriffe mit dem neuronalen Tangentenkern und Datensatzdestillation verstehen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/yolky/undallanding_reconstruction

238. Anpassung an Verteilungsverschiebung durch visuelle Domäne Eingabeaufforderung Erzeugung

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://chi-chi-zx.github.io/vdpg_iclr24/

239. Minigpt-4: Verbesserung des Verständnisses der Visionsprachen mit fortgeschrittenen Großsprachenmodellen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://minigpt-4.github.io/

240. Verschlucken als Übergang von faul zu reichhaltiger Trainingsdynamik

• Papier: Klicken Sie hier, um herunterzuladen
• Code: Mailto: [email protected]

241. Überdenken von Hintertür -Angriffen auf die Datensatzdestillation: Eine Kernel -Methode -Perspektive

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/mick048/kip-basiert-backdoor-attack.git

242. Mischung aus schwachen und starken Experten für Grafiken

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/facebookresearch/mowst-nn

243. Auf dem Weg zu verschiedenen Verhaltensweisen: Ein Benchmark für Nachahmungslernen mit menschlichen Demonstrationen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://alrhub.github.io/d3il-website/

244. Räumliche und zeitliche Abstraktionen für die Zieldarstellung in Einklang bringen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/cosynus-lix/star

245. LLM Augmented LLMs: Erweiterung der Fähigkeiten durch Komposition

• Papier: Klicken Sie hier, um herunterzuladen
• Code: Mailto: [email protected]

246. Schätzung der bedingten gegenseitigen Informationen für die dynamische Feature -Auswahl abschätzen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: Mailto: [email protected]

247. Bewertung von Repräsentationslernen am Proteinstrukturuniversum

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/arj/proteinworkshop

248. Nougat: Neuronales optisches Verständnis für akademische Dokumente

• Papier: Klicken Sie hier, um herunterzuladen
• Code: Mailto: [email protected]

249. Feature: Ein Modell-agnostischer Rahmen für Funktionen bei jeder Auflösung

• Papier: Klicken Sie hier, um herunterzuladen
• Code: [email protected]

250. Spärliche Autoencoder finden hoch interpretierbare Merkmale in Sprachmodellen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/hoagyc/sparse_coding

251. OVOR: ONEPROMPT mit Virtual Outlier-Regularisierung für probenfreie lernfreie Lernen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/jpmorganchase/ovor

252. Lernen aus spärlichen Offline -Datensätzen durch konservative Dichteschätzung

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/czp16/cde-offline-rl

253. Qualitätsvielfalt durch KI-Feedback

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://qdaif.github.io/

254. Hybrid internes Modell: Lernbezüchtung mit simulierter Roboterantwort lernte agile Beinbewegung

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://junfeng-long.github.io/himloco/

255. OpenWebmath: Ein offener Datensatz hochwertiger mathematischer Webtext

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://commoncrawl.org/

256. Robuste modellbasierte Optimierung für herausfordernde Fitnesslandschaften

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/sabagh1994/pgvae

257. Lösen von Hochfrequenz- und Multi-Scale-PDEs mit Gaußschen Prozessen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/xuangu-fang/gaussian-process-slover-for-high-freq-pde

258. S $ 2 $ AC: Energiebasierter Verstärkungslernen mit Stein Soft Actor Critic

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/safamessaoud/s2ac-energy-basiert-rl-with-stein-soft-actor-critic

259. Bessere neuronale PDE-Solvers durch datenfreie Mesh Movers

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/peiyannn/mm-pde.git

260. bedingte Variationsdiffusionsmodelle

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/casus/cvdm

261. Bend: Benchmarking DNA -Sprachmodelle für biologisch aussagekräftige Aufgaben

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/frederikkemarin/bend

262. Auf dem Weg zu einer robusten Treue zur Bewertung der Erklärung von Grafiknetzwerken

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://trustai4s--lab.github.io/fidelity

263. Neuronal optimaler Transport mit allgemeinen Kostenfunktionen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/machinestein/gnot

264. Eine topologische Perspektive auf entmystifizierende GNN-basierte Link-Vorhersageleistung

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/yuwvandy/topo_lp_gnn

265. Zeiteffizientes Verstärkungslernen mit stochastischen Zustandsrichtlinien

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/robfiras/s2pg

266. Öffnen Sie die Black Box: Stufenbasierte Richtlinien-Updates für zeitlich korrelierte episodische Verstärkungslernen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/brucegeli/tce_rl

267. Können wir sowohl das Beste aus binären neuronalen Netzwerken als auch aus neuronalen Netzwerken für eine effiziente Computervision erhalten?

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/godatta/ultra-low-laatency-nn

268. NODE2KET: Effizientes Hochdimensional-Netzwerkeinbettung in Quantenhilbert-Raum

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/shawxh/node2ket

269. Ring-a-Bell! Wie zuverlässig sind Konzeptentfernungsmethoden für Diffusionsmodelle?

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/chiyi-hsu/ring-a-bell

270. Bildclustering über das Prinzip der Rate Reduktion im Alter der vorbereiteten Modelle

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/leslietrue/cpp

271. Vera: Vektorbasierte Zufallsmatrixanpassung

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://dkopi.github.io/vera/

272. PerceptionClip: Visuelle Klassifizierung durch Abschluss und Konditionierung in Kontexte

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/umd-huang-lab/perceptionclip

273. Antgpt: Können Großsprachenmodelle die Vorfreude von Videos langfristiger Aktion helfen?

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://brown-palm.github.io/antgpt

274. Beno: Grenzbetten-Neuralbetreiber für elliptische PDEs

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/ai4Science-westlakeu/beno.git

275. Fourier-Transporter: Bi-äquivariante Robotermanipulation in 3D

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://haojhuang.github.io/fourtran_page/

276. Clifford Group äquivariante einfache Nachrichtenübergabe -Netzwerke

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/congliuuva/clifford-grup-equivariant-simplicial-message-passing-networks

277. Auslösen von großem Maßstab generativ vor dem Training für die Manipulation des visuellen Roboters

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://gr1-manipulation.github.io

278. Vision-by-Language für das Training-freie Kompositionsbild-Abruf

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://www.github.com/explainableml/vision_By_Language

279. Gaia: Zero-Shot spricht Avatar-Generation

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://microsoft.github.io/gaia

280. Robusttsf: Auf dem Weg zu Theorie und Design robuster Zeitreihenprognose mit Anomalien

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/hachenglouis/robusttsf

281. SliceGPT: Komprimieren Sie große Sprachmodelle, indem Sie Zeilen und Spalten löschen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/microsoft/transformerCompression

282. Rücken: Diffusion für objektorientierte Darstellungen von Szenen $ textit {et al.} $

• Papier: Klicken Sie hier, um herunterzuladen
• Code: Mailto: [email protected]

283. Erhöhung der Modellkapazität für frei

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/lins-lab/capaboost

284. Urlaubsunterscheidbarkeit im maschinellen Lernen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/privycyTrustlab/lood_in_ml

285. Lernen semantische Proxys von visuellen Eingabeaufforderungen für parametereffiziente Feinabstimmungen im tiefen metrischen Lernen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/noahsark/parameterefficy-dml

286. energiegesteuerter entropischer neuronaler optimaler Transport

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/petrmokrov/energy-guided-entropic-ot

287. Abruf der neuronalen Architektur

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/terrypei/nnretrieval

288. Entfernen von Verzerrungen aus molekularen Darstellungen durch Informationsmaximierung

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/uhlerlab/infocore

289. Eine schnellere Näherung der probabilistischen und verteilten Werte über die kleinsten Quadrate

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/watml/fastpvalue

290. Registerkarte: Temporale akkumulierte Stapel -Normalisierung in spitzen neuronalen Netzwerken

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/haiyanjiang/snn-tab

291. Überdenken der Einheitlichkeitsmetrik beim selbstüberprüften Lernen

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/Statsle/asSsteinssl

292. Tauchsegmentierungsmodell in Pixel

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/chengan-js/pixl

293.Hybrid gemeinsam

• Papier: Klicken Sie hier, um herunterzuladen
• Code: https://github.com/zihao-yin/hsq

294. an das kontroverse Training WI