arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

高校专区

University of California, Berkeley(加州大学伯克利分校)

2026-03-27 至 2026-03-27 共收录 4
2512.17900 2026-03-27 cs.CV cs.RO

Diffusion Forcing for Multi-Agent Interaction Sequence Modeling

扩散力场用于多智能体交互序列建模

Vongani H. Maluleke, Kie Horiuchi, Lea Wilken, Evonne Ng, Jitendra Malik, Angjoo Kanazawa

机构 * Sony Group Corporation(索尼集团公司) Meta UC Berkeley(加州大学伯克利分校)

AI总结 本文提出MAGNet框架,通过灵活的条件和采样生成多智能体运动序列,支持多种交互任务,实现长序列生成和智能体间协调。

Comments Project page: https://von31.github.io/MAGNet/ ; Code: https://github.com/Von31/MAGNet-code

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.24898 2026-03-27 cs.CR cs.AI cs.NI

Sovereign AI at the Front Door of Care: A Physically Unidirectional Architecture for Secure Clinical Intelligence

主权AI在医疗前端:一种物理单向架构用于安全的临床智能

Vasu Srinivasan, Dhriti Vasu

机构 * Hats AI Labs Inc.(6Hats AI实验室公司) University of California, Berkeley(加州大学伯克利分校)

AI总结 本文提出一种主权AI架构,通过设备本地推理和单向数据通道实现临床分诊,消除网络攻击面,保障高安全性的医疗数据处理。

Comments 31 pages

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.24730 2026-03-27 cs.CV

A Framework for Generating Semantically Ambiguous Images to Probe Human and Machine Perception

一种生成语义模糊图像的框架以探测人类和机器感知

Yuqi Hu, Vasha DuTell, Ahna R. Girshick, Jennifer E. Corbett

机构 * University of California, Berkeley(加州大学伯克利分校) Massachusetts Institute of Technology(麻省理工学院)

AI总结 该研究通过生成语义模糊图像探讨人类和机器感知的边界,揭示模型在概念区分上的偏差,展示控制模糊性作为诊断工具的价值。

详情

展开后加载摘要…

URL PDF HTML 收藏
2308.12351 2026-03-27 hep-ph cs.LG hep-ex

Improving Generative Model-based Unfolding with Schrödinger Bridges

通过施罗德inger桥改进生成模型展开

Sascha Diefenbacher, Guan-Horng Liu, Vinicius Mikuni, Benjamin Nachman, Weili Nie

机构 * Physics Division, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室物理部) Autonomous Control and Decision Systems Laboratory, Georgia Institute of Technology(佐治亚理工学院自主控制与决策系统实验室) National Energy Research Scientific Computing Center, Berkeley Lab(伯克利实验室国家能源研究科学计算中心) Berkeley Institute for Data Science, University of California, Berkeley(伯克利数据科学研究所) Machine Learning Research Group, NVIDIA Research(NVIDIA研究机器学习研究组)

AI总结 本文提出SBUnfold方法,结合判别与生成模型优势,通过施罗德inger桥和扩散模型实现高维展开,验证其在合成数据集上的优越性能。

Comments 9 pages, 5 figures

Journal ref Phys.Rev.D 109 (2024) 7, 076011

详情

展开后加载摘要…

URL PDF HTML 收藏