การย้ายงาน
ยังไม่มีการย้ายงานที่เผยแพร่
งานวิจัย
งานวิจัย2026-10-07 · arXiv (Cornell University)
Long-WAM: Scaling the Context of World-Action Models
- ทำอะไร
- คณะนักวิจัยได้พัฒนา Long-WAM ซึ่งเป็นโมเดลที่ใช้ประโยชน์จากข้อมูลภาพในอดีตของหุ่นยนต์ได้อย่างมีประสิทธิภาพภายใต้ข้อจำกัดแบบเรียลไทม์
- ผลลัพธ์หลัก
- เมื่อทำการฝึกอบรมล่วงหน้า (Pre-training) โมเดลพื้นฐานที่ประมวลผลข้อมูลภาพด้วยวิธี Auto-regressive (AR) การใช้ประโยชน์จากหน่วยความจำในอดีตจะเพิ่มขึ้นสูงสุด และอัตราความสำเร็จของงานหุ่นยนต์ก็ได้รับการปรับปรุงให้ดีขึ้น
- ความสำคัญ
- พิสูจน์แล้วว่าสามารถทำงานได้แบบเรียลไทม์ในสภาพแวดล้อมฮาร์ดแวร์ที่หลากหลาย ซึ่งสามารถมีส่วนช่วยในการประยุกต์ใช้งานควบคุมหุ่นยนต์ระยะยาวที่ซับซ้อนในอนาคตสรุปโดย AI
งานวิจัย2026-10-06 · arXiv (Cornell University)
Humanize: Judgement Engineering for Agentic Coding
- ทำอะไร
- นำเสนอ Humanize ซึ่งเป็นเวิร์กโฟลว์ความร่วมมือของ AI หลายตัวที่นำการตัดสินใจที่ชัดเจนและเป็นระบบมาใช้ระหว่างขั้นตอนการวางแผน การใช้งาน และการตรวจสอบ
- ผลลัพธ์หลัก
- AI ผู้สร้างและ AI ผู้ตรวจสอบจากผู้ให้บริการที่แตกต่างกันทำงานสลับกัน และทำผลงานได้ดีเยี่ยมในการแก้ปัญหาการแข่งขันและการประเมินประสิทธิภาพ
- ความสำคัญ
- แสดงให้เห็นว่าในการเขียนโปรแกรมด้วย AI การตรวจสอบแบบอิสระช่วยในการตรวจจับข้อผิดพลาดได้สรุปโดย AI
งานวิจัย2026-09-29 · arXiv (Cornell University)
SoL-Refiner: Speed-of-Light One-Step Refinement for High-Resolution Video
- ทำอะไร
- นำเสนอ SoL-Refiner ซึ่งเป็น 'รีไฟเนอร์ (โมเดลปรับปรุงคุณภาพวิดีโอ)' ที่เปลี่ยนวิดีโอความละเอียดต่ำให้กลายเป็นวิดีโอความละเอียดสูงผ่านขั้นตอนการขจัดสัญญาณรบกวนเพียงขั้นตอนเดียว
- ผลลัพธ์หลัก
- ที่ความละเอียด 2K มีคะแนนเฉลี่ย VBench และ UniPercept สูงกว่ารีไฟเนอร์ภายนอกที่นำมาเปรียบเทียบ และที่ความละเอียด 3840×2176 ทั้งสองตัวชี้วัดดีกว่ารีไฟเนอร์ LTX-2.3 แบบ 3 ขั้นตอน มีรายงานว่าภายใต้การตั้งค่าความหน่วง 2K ความหน่วงในการรีไฟเนอร์เร็วกว่ารุ่นฐานเดียวกันถึง 8.91 เท่า
- ความสำคัญ
- การสร้างวิดีโอความละเอียดสูงทำให้ปริมาณการคำนวณเพิ่มขึ้นอย่างมากและมีต้นทุนที่สูง การใช้วิธีเพิ่มคุณภาพด้วยขั้นตอนเดียวแทนที่จะเป็นหลายขั้นตอนจึงแสดงให้เห็นถึงทิศทางที่สามารถลดภาระนี้ได้ อย่างไรก็ตาม ผลลัพธ์ในบทคัดย่อเป็นการวัดภายใต้เงื่อนไขที่ผู้วิจัยกำหนด จึงยากที่จะสรุปเป็นผลลัพธ์ทั่วไปสำหรับบริการจริงทั้งหมดสรุปโดย AI
งานวิจัย2026-09-29 · arXiv (Cornell University)
LeapQuant: Efficient Linear Attention with Accurate Recurrent State Quantization
- ทำอะไร
- เสนอ LeapQuant ซึ่งเป็นวิธีการที่ไม่ต้องฝึก (training-free) สำหรับการบีบอัด 'สถานะวนซ้ำ' (recurrent state) ที่มีการอ่านและเขียนซ้ำๆ เมื่อโมเดลภาษาขนาดใหญ่ประมวลผลบริบทที่ยาว ให้มีความแม่นยำต่ำลง
- ผลลัพธ์หลัก
- ตามบทคัดย่อ ระบุว่าแม้จะบีบอัดเป็น 8 บิต แต่ยังคงความแม่นยำไว้ใกล้เคียงกับโมเดลมาตรฐาน FP32 พร้อมทั้งเร่งความเร็วเฉลี่ย 2.05 ถึง 3.70 เท่าในระดับเคอร์เนลของ GPU และ 1.47 เท่าในการอนุمانทั้งหมด
- ความสำคัญ
- งานวิจัยนี้มีส่วนช่วยปรับปรุงประสิทธิภาพการดำเนินงานของบริการ AI ที่จัดการกับบริบทที่ยาวนาน ในแง่ของการลดภาระหน่วยความจำและการคำนวณในกระบวนการอนุมาน อย่างไรก็ตาม เนื่องจากบทคัดย่อแสดงผลลัพธ์เฉพาะในบางโมเดลและ GPU เท่านั้น จึงยากที่จะฟันธงว่าจะให้ผลลัพธ์เดียวกันในบริการเชิงพาณิชย์ทั่วไปสรุปโดย AI
งานวิจัย2026-09-28 · arXiv (Cornell University)
Sol-H3: Recursive Self-Improvement for MiniMax-H3 Inference Acceleration on Sol-Engine across Cloud and Edge
- ทำอะไร
- ได้สร้างไปป์ไลน์การทำงานทั้งหมดเพื่อให้โมเดล AI สร้างวิดีโอ MiniMax-H3 ที่มีพารามิเตอร์ 3,300 ล้านตัวทำงานได้เร็วขึ้นและใช้หน่วยความจำน้อยลงทั้งบนเซิร์ฟเวอร์คลาวด์และอุปกรณ์ขนาดเล็ก
- ผลลัพธ์หลัก
- ตามบทคัดย่อ ระบุว่าสามารถเพิ่มความเร็วแบบ end-to-end (ตั้งแต่ขั้นตอนรับอินพุตจนถึงผลลัพธ์สุดท้าย) ได้สูงสุดถึง 30 เท่า และประหยัดหน่วยความจำได้ประมาณ 20% อีกทั้งยังสามารถสร้างวิดีโอความละเอียด 1344x768 ยาว 5 วินาทีที่มีเสียงประกอบ บนโหนดเซิร์ฟเวอร์ GB200 จำนวน 8 โหนด ได้เร็วกว่าเวลาจริงถึง 3.5 เท่า
- ความสำคัญ
- มีความสำคัญในแง่ของการแสดงแนวทางในการลดความล่าช้าในการสร้างและข้อจำกัดด้านหน่วยความจำ ซึ่งเป็นอุปสรรคใหญ่ที่สุดเมื่อนำ AI สร้างวิดีโอไปปรับใช้กับการบริการจริง แต่ยังยากที่จะประเมินผลลัพธ์ในเชิงพาณิชย์หรือขนาดของการประหยัดต้นทุนได้จากบทคัดย่อเพียงอย่างเดียวสรุปโดย AI
งานวิจัย2026-09-28 · arXiv (Cornell University)
d-OPD: Future-Aware On-Policy Distillation for Block Diffusion Language Models
- ทำอะไร
- เสนอ d-OPD ซึ่งเป็นวิธีการเรียนรู้แบบกลั่นความรู้เพื่อเปลี่ยนโมเดลภาษาแบบautoregressive แบบดั้งเดิม (ที่สร้างทีละโทเค็น) ให้เป็นโมเดลภาษาแบบบล็อกดิฟฟิวชันที่สร้างหลายโทเค็นแบบขนานกัน
- ผลลัพธ์หลัก
- รายงานว่าในการทดลองกับโมเดล Qwen3 (0.6B ถึง 8B) คะแนนเฉลี่ยจากเกณฑ์มาตรฐานหกรายการเพิ่มขึ้นสูงสุด 4.0 คะแนน เมื่อเทียบกับวิธีเดิมอย่าง OPDLM และเวลาในการฝึกฝนลดลง 1.35 ถึง 1.58 เท่า
- ความสำคัญ
- บทคัดย่อระบุว่าวิธีการสร้างหลายโทเค็นพร้อมกันในระดับบล็อกมีศักยภาพที่จะช่วยเพิ่มความเร็วในการสร้างข้อความ และงานวิจัยนี้แสดงให้เห็นว่าสามารถปรับปรุงประสิทธิภาพของกระบวนการฝึกฝนในการสร้างโมเดลดังกล่าวได้สรุปโดย AI
