本文介绍了一项关于连续近似最近邻搜索（AKNN）算法在动态数据摄取环境下的性能评估研究。传统的AKNN算法和基准测试主要关注静态数据集上的检索效果，而忽视了数据更新效率，这在处理持续数据流入时至关重要。为了解决这一问题，研究者引入了CANDY基准框架，该框架综合评估了多种AKNN算法，并集成了机器学习驱动的推理和改进的距离计算方法等高级优化技术。实验结果表明，简单的AKNN基线算法在召回率和延迟方面往往优于更复杂的算法，挑战了算法复杂度对于高性能的必要性的传统观念。此外，研究还强调了现有挑战并揭示了未来的研究机会。CANDY基准框架的代码和数据集已在GitHub上公开，以便于学术和工业界的进一步研究和应用。
Read more...
本文提出了一种名为 Cupid 的新型框架，通过引入“重新匹配”过程来优化团队和位置分配，以提高公平性和玩家满意度。该框架包括预过滤和预匹配胜率预测模型两个关键步骤，通过同时考虑玩家的位置满意度和游戏公平性，为玩家提供更好的匹配体验。实验结果表明，Cupid 在离线和在线评估中均表现出色，显著提高了位置满意度和游戏公平性。
Read more...
本文探讨了在动态城市景观中维护准确、最新地图的重要性，这些地图支持城市规划、导航和应急响应等多个现代社会方面。传统（主要是手动）的地图制作和众包地图方法难以跟上建筑环境的快速变化。手动地图工作流程耗时且容易出错，导致地图过早过时或需要大量审计。OpenStreetMap（OSM）的当前地图更新过程就是一个例子，它依赖于在线地图更新工作流程中的许多手动步骤。为了解决这个问题，需要探索自动化整个端到端地图更新过程。科技巨头如Google和Microsoft已经开始研究机器学习（ML）技术来解决这个当代地图问题。本文分析了这些ML方法，特别是它们在更新OpenStreetMap中的应用。通过分析该领域的当前最先进技术，本研究确定了关键的研究差距，并介绍了DeepMapper作为一个实际解决方案，用于推进未来的自动在线地图更新过程。
Read more...
本文介绍了一种名为DISCO的高效扩散求解器，用于解决大规模组合优化问题（CO）。DISCO在解决方案质量和推理速度方面表现出色，通过一种可解析求解的形式实现快速去噪，从而大幅减少推理时间。此外，DISCO通过引入解决方案残差，将采样空间限制在一个更有意义、更受约束的域内，同时保持输出概率分布的固有多模态特性。DISCO在处理包含10000个节点的超大规模旅行商问题（TSP）和具有挑战性的最大独立集基准测试中取得了最先进的结果，其单实例去噪时间比现有方法快达44.8倍。通过进一步结合分治策略，DISCO能够直接解决任意规模的实例，甚至超越专门针对相应规模训练的模型。
Read more...
本文针对发达国家的碳中和政策背景下，物流公司面临的电动车辆路径优化问题，特别是异构电动车辆路径问题（HEVRPTW）进行了研究。HEVRPTW考虑了车辆的不同属性和客户对配送时间窗口的需求，是一个NP难优化问题。本文提出了一种基于深度强化学习（DRL）的方法——Edge-DIRECT，该方法通过增强的图表示和双注意力机制来解决这一问题，显著提高了路径规划的质量和执行效率。实验结果表明，Edge-DIRECT在解决HEVRPTW问题上优于现有的DRL方法和启发式方法。
Read more...
本文提出了一种名为 LLaRA 的框架，将机器人动作策略公式化为对话，并在使用辅助数据进行训练时提供改进的响应。通过将行为克隆数据集转换为指令数据集，并利用视觉语言模型进行微调，该框架能够处理多样化的视觉运动控制挑战。实验结果表明，该框架在多个模拟和真实世界环境中表现出了最先进的性能。
Read more...
本文介绍了一种名为MedGaze的人工智能系统，旨在模拟放射科医生的认知过程并预测胸部X光片（CXR）上的扫描路径。该系统通过分析放射科医生在解读CXR图像时的眼动数据，利用多模态学习方法生成类似人类的扫描路径和注视持续时间。MedGaze在多个公开数据集上表现优异，显著超越了现有技术水平，显示出在提高诊断准确性和效率方面的巨大潜力。
Read more...
MetaDesigner是一项革命性的艺术字体合成框架，利用大型语言模型（LLMs）的优势，推动以用户为中心的设计范式。该框架的核心是一个多智能体系统，包括Pipeline、Glyph和Texture智能体，共同实现从语义增强到复杂纹理施加的定制化WordArt创作。MetaDesigner集成了全面的反馈机制，利用多模态模型和用户评估的洞察力，迭代地精炼和增强设计过程。通过这种反馈循环，系统能够巧妙地调整超参数，以符合用户定义的风格和主题偏好，生成不仅满足而且超越用户对视觉吸引力和上下文相关性期望的WordArt。实证验证强调了MetaDesigner有效服务于多样化WordArt应用的能力，持续产生美学上吸引人且上下文敏感的结果。
Read more...
本文介绍了一种名为MM-Instruct的大型多模态模型对齐数据集，旨在提升大型多模态模型（LMMs）的指令遵循能力。传统的视觉指令数据集主要集中在问答任务上，难以泛化到更广泛的实际应用场景，如创意写作、摘要或图像分析。MM-Instruct通过利用现有大型语言模型（LLMs）的强大指令遵循能力，从大规模的传统图像字幕数据集中生成新颖的视觉指令数据。该方法首先利用ChatGPT从一组种子指令中自动生成多样化的指令，然后将其与图像匹配，并使用开源的大型语言模型（LLM）生成与指令-图像对一致的答案。此外，本文还引入了一个基于生成指令数据的基准，用于评估现有LMMs的指令遵循能力。实验证明，通过在生成的数据上训练LLaVA-1.5模型，即LLaVA-Instruct，其在指令遵循能力上显著优于LLaVA-1.5模型。
Read more...
本文介绍了一种名为“ProgressGym”的实验框架，旨在解决前沿人工智能系统（包括大型语言模型LLMs）在影响人类用户认知学时可能强化社会现有价值观，从而导致错误道德信念的锁定和广泛问题的道德实践持续存在的问题。论文提出了“进步对齐”作为技术解决方案，通过学习人类道德进步的机制，解决现有对齐方法对当代道德盲点的敏感性。ProgressGym框架利用9个世纪的历史文本和18个历史LLMs，将现实世界的进步对齐挑战编码为具体基准，并引入了三个核心挑战：跟踪进化价值观（PG-Follow）、预见性预测道德进步（PG-Predict）和调节人与AI价值变化的反馈回路（PG-Coevolve）。论文还介绍了终身和外推算法作为进步对齐的基线方法，并构建了一个开放的排行榜，邀请社区贡献新的算法和挑战。
Read more...