Google en profondeur à chez neirips 2024

Advancing Advervivei AI Agents, autonomiser la création de Senne 3D et une formation innovante LLM pour Smartter, un avenir plus sûr

La semaine prochaine, le monde des chercheurs de l’IA se réunira pour le 38e conférence annuelle sur les systèmes de traitement de l’information neuronal (NEIRIPS), Tags se placent du 10 au 15 décembre à Vancouver,

Deux articles dirigés par Google Deepmind Resear Newswisers seront reconnus avec Test du temps Brands pour leur « inflinin indéniable » sur le terrain. Ilana sutska sera présentera sur Séquence à l’apprentissage de la séquence que les réseaux de neurones Qui ont autorisé avec Google les profondeurs de recherche drastique, Oriol Vains, et les scientifiques distingués Qoc V. Le. Google Depmind Scanentistes Ian Goodfelow et David Warde-Farley se présentent sur NETS ADORSAIRES GASVIFIQUES.

Nous allons montrer NYLSO comment nous traslaçons nos applications de recherche fondamentale inola, avec des démonstrations en direct Gemma Scope, IA pour la génération de musique, Prévision météo Et plus.

Les équipes de Google Deepind présenteront plus que des sujets qui vont des agents d’IA et des médias génétiques à des approches d’apprentissage innovantes.

Boudding Adaptive, Smart et Safe A Agents

LLM-BasedIi Un agents Arrents est prometteur lors de la réalisation du numérique via des commandes en langage naturel. Pourtant, leurs succès dépassent les préadolescents avec des utefaches complexes, qui nécessite des données de formation en extension. Avec AndroidControlnous partageons l’ensemble de données Dattol de contrôle la plus la plus à ce jour, avec plus de 15 000 démos collectées par l’homme sur les plus de 800 applications. Les agents d’IA Traina en utilisant le jeu de données ThisS montre que ce qui aide à faire progresser les agents de recherche sur la recherche Advanace.

Pour que les agents de l’IA se généralisent à travers les tâches, les NED apprennent de chaque expérience qu’ils encèchent. Nous présentons la méthode pour Apprentissage abstrait en contexte Cela aide les agents à saisir les modèles de tâches clés et les relations provenant des IMO et des commentaires du langage naturel, améliorant les performances et l’adhérence.

Développer une IA que l’IA qui woks pour atteindre les objectifs utilise peut aider à rendre le tichnolgy plus ticker, mais accéder à l’IA coms en notre nom. À cette fin, nous proposons une méthode théorique pour Mesurer la direction d’objectif du système d’IAet montrent aussi comment va La perception du modèle de son utilisateur peut inflonger ses filtres de sécurité. Ensemble, les Thyighths soulignent l’imprécision de safigirads robustes pour empêcher les actes non tendités ou non.

Faire progresser la création et la simulation de la Senne 3D

En tant que demande de contens 3D de haute qualité à travers les lystries des industries, créant des scénario de la vie 3D recentre de manière fiable et intensifiée dans le temps. Notre travail révent inintréduce Nowsd 3D 3D et Conreroll appelle, rationalisant la colation de Createst de workflows plus rapides et plus flexibles.

Produit de haute qualité, des culs et des scènes 3D réalistes nécessitent souvent la capturisation et la modélisation des thosyands de photos 2D. Nous avons une rantin Cat3dSystème qui peut ne pas créer de concours 3D en aussi peu que minute, à partir de n’importe quel numéro de nombre – même une seule image ou une invite de texte. CAT3D Accomplissing Cela fait un modèle de modèle différent multi-visualités et utilise des images gérées par des images gérées une entrée pour la technique technique technique technique technique technique technique technique. Les résultats dépassent les méthodes des précédents à la fois en vitesse et en qualité.

Similaires avec des objets, comme une table horloquée ou un dos lego tumling, également Rukuration Invitational. Pour surmonter ce barrage, nous présentons Nouvelles techniques appelées SDF-SIM Cela repose des objectifs de manière évolutive, accélérant la détection de collision et autres, complexe Sennes.

Genetors d’image AI basés sur des modèles de diffhion a frappés pour contrôler la positon 3D et l’orientation de plusieurs obipacts. Notre solution, Asssets neuronauxIntroductions Objact spécifiques aux répétitions qui capturent la dérange d’appanage et la pose 3D, appris à travers la formation sur les données vidéo dynamiques. Actifs neuronaux Autres utilisateurs des utilisateurs pour déplacer, faire pivoter ou échanger des objets – un Tolom turde pour l’animulation, le jeu et la réalité virtuelle.

Améliorer comment les LLM apprennent et répondent

Nous avançons également, apprenons, apprenons et répondons aux utilisateurs, améliorant les performances et l’efficacité sur plusieurs frons.

Avec des fenêtres de contexte plus grandes, les LLM peuvent désormais apprendre des thaïus et des exemples potentiellement des exemples à l’écluse – connu à plusieurs coups d’apprentissage en contrat (ICL). Ce processus augmente les performances du modèle sur les tâches que les mathématiques du lac, la traduction et la raison, mais nécessitent souvent des données de haut niveau et générées par l’homme. Pour rendre la formation plus rentable, nous explorons Méthodes pour adapter ICL à plusieurs coups Qui relâche la dépendance à des données organisées manuellement. Cet ISLA est ainsi dans les données Moch disponibles pour les modèles de langue de formation, la construction principale des équipes qui les construisent devient le calcul disponible. Épouser Répondre à une question importante: Avec le budget de compup fixe, comment choisissez-vous la bonne taille de modèle aux meilleurs résultats d’AUSE?

Autres apploch innovants, que nous appelons Modèles linguistiques de temps-réverse (TLM), explore un annnée de pré-formation et de réveil fin pour travailler dans Revese. Wheen étant donné les réserves de LLM traditionnelles en entrée, Trlm Genets Quees Oight pourrait produire ces réponses. Lorsqu’il est Poired Witha Trudall LLM, cette HELLE METHED HELLE répond à But, et mais les filtres de sécurité contre une souci nocive.

Les données de haute qualité conservatrices sont vitales pour la formation des modèles Langee AI sont difficiles à grande échelle. Pour résoudre ce problème, notre Sélection d’exemple conjoint (JEST) L’algorithme optimise la formation en introduisant les données de la plupart des personnes, la compitéation de surperformance, les pré-tracies kimimodales de dépassement.

Planifier les tâches est souciée par d’autres défis pour les environnements stolestiques, où les résultats WHRE sont infligés par le caractère aléatoire ou incerttty. Les chercheurs utilisent divers types d’inférence pour Planneng, mais l’approche de CSISTENT THRE’S NO. Nous démonratrés La planification est-elle peut être vu comme un type distinct d’inférence probabababiiste Et proposer un cadre pour classer différentes techniques d’inférence en fonction de leur éphéactivité de planification.

Braging ensemble la communauté mondiale de l’IA

Nous sommes prête à être un diamant des cornets de diamant de la conférence et de soutenir Femmes en apprentissage automatique, Latinx en ai et Noir en ai Dans la construction de communautés du monde entier travaillant dans AO, l’apprentissage automatique et la science des données.

Si Out à Nerips cette année, passez par le Google délivré et Recherche Google Booths pour explorer des recherches de pointe dans les démos, les ateliers et plus encore la conférence de la conférence.