AI FRONTIER
Signals worth understanding before they become obvious.
BEVCast: BEV Adaptif Jalur untuk Mengemudi Otonom End-to-End yang Efisien
BEVCast adalah BEV dua tahap yang resolusinya menyesuaikan jalur mengemudi yang diprediksi: lintasan kasar mengodekan seluruh pemandangan pada sel 4,096 m, heat head yang dilatih pada jalur terekam memilih sel ber-heat tertinggi untuk diperhalus menjadi sel 1,024 m di bawah anggaran tetap, dan sisanya tetap kasar.
- Dengan anggaran penghalusan 10%, BEVCast mengodekan 28% kueri BEV dan membutuhkan 66% waktu encoder BEV pada batch size 1 dibandingkan grid penuh 1,024 m.
- Pada nuScenes, mean displacement error-nya 1,078 m berbanding 1,149 m dan tingkat pelanggaran area yang dapat dilalui 1,46% berbanding 2,29%.
- Pada NAVSIM navtest, mean displacement error-nya 0,577 m berbanding 0,598 m dan skor extended predictive driver model 82,51 berbanding 81,28.
- Metode ini tidak memerlukan peta HD maupun perintah navigasi, dan trajectory head membaca BEV resolusi campuran yang tetap mencakup seluruh pemandangan.
Untuk persepsi BEV dalam mengemudi otonom, mengalokasikan resolusi sepanjang jalur yang diprediksi memangkas kueri dan waktu encoder sambil mempertahankan cakupan seluruh pemandangan, memberi model end-to-end anggaran komputasi yang dapat d...
InstaGen: Importance Sampling Berbagi Grup untuk Generasi Video Cepat
Makalah ini memperkenalkan InstaGen, yang merumuskan ulang pemilihan blok pada permuted block-sparse attention (PBSA) untuk Diffusion Transformer sebagai importance sampling: key dengan skor tertinggi membentuk himpunan eksak yang dihitung penuh, sedangkan key sisanya diwakili oleh sampel yang ditarik sebanding dengan ...
- Pada Wan2.1-T2V-1.3B dan Wan2.1-T2V-14B, InstaGen yang diparameterisasi oleh SVG2 meningkatkan PSNR dibanding SVG2 masing-masing sebesar 3,4 dB dan 2 dB pada kepadatan attention yang sama.
- Pada waktu dinding yang sama, PSNR meningkat masing-masing 1,6 dB dan 2,2 dB.
- Pada Wan2.1-T2V-14B, InstaGen mengalahkan SVG-EAR sebesar 1,1 dB PSNR pada kepadatan yang hampir sama, dengan kecepatan 1,65x dibanding dense sedangkan SVG-EAR 1,48x.
Mengganti pemilihan blok top-p dengan himpunan eksak plus importance sampling dapat langsung meningkatkan kualitas model difusi video tanpa menambah kepadatan attention atau latensi.
Memaksa Sebuah Huruf Menekan Penolakan: Bukti Mekanistik dari WMDP
Makalah ini memberikan penjelasan mekanistik pertama mengapa format pilihan ganda menurunkan tingkat penolakan, diuji pada dataset WMDP dengan dua model, Llama-3.1-8B dan Qwen3-8B.
- Dengan teknik tuned lens, makalah ini menunjukkan model menetapkan token huruf jawaban sangat cepat pada MCQ, berbeda dengan pembentukan penolakan yang bertahap pada format terbuka.
- Aktivasi pada format MCQ berada sekitar 3 kali lebih jauh dari arah penolakan dibandingkan padanannya pada format terbuka.
- Ablasi attention head yang membawa jawaban MCQ meningkatkan penolakan, yang dilaporkan makalah sebagai bukti langsung bahwa pemilihan jawaban MCQ bersaing dengan penolakan.
- Makalah ini diterima di BlackboxNLP 2026 (lokakarya EMNLP 2026) dan mencakup 17 halaman serta 15 gambar.
Pengembang evaluasi keselamatan perlu mencatat bahwa skor keselamatan MCQ terutama mengukur kemampuan pengetahuan dan tidak menilai mekanisme keselamatan model.
Pratinjau awal ccore/Qwen3.5-4B-3D-Coder: fokus pada pembuatan adegan 3D Three.js
Ini adalah pratinjau awal model 4B yang di-fine-tune secara independen oleh CCORE dari Qwen/Qwen3.5-4B, berfokus pada coding umum dan pembuatan adegan 3D interaktif dengan Three.js; ini bukan rilis resmi Qwen. Bobot FP16 Safetensors, versi GGUF Q4_K_M dan Q8_0, dataset pelatihan, serta laporan teknis tersedia.
- Kartu model mencantumkan 947 suka, 289.466 unduhan bulan lalu, dan lisensi Apache-2.0.
- Dataset pelatihan CCORE Three.js 3D Scenes berisi 4.146 contoh adegan (3.933 pelatihan / 213 validasi) dan dirilis dengan Lisensi MIT.
- Versi GGUF Q4_K_M dan Q8_0 dapat menerima input gambar dengan proyektor visi BF16 sekitar 644 MiB; penulis melaporkan pengujian lokal dengan llama.cpp b11889.
- Penulis melaporkan checkpoint 27 Oktober meningkatkan keberhasilan sekali coba dan kualitas adegan secara signifikan, meski sebagian adegan masih perlu percobaan ulang atau koreksi.
Bagi pembuat alat 3D atau creative coding, ini adalah model kecil yang dapat diterapkan secara lokal dengan dataset publik dan versi terkuantisasi, sehingga menjadi titik awal praktis untuk fine-tuning dan evaluasi pembuatan adegan Three.js...
Memperkenalkan Control Room: kendali manusia atas beban kerja AI
Control Room dari OpenAI melacak beban kerja model di seluruh infrastruktur risetnya dan dapat menghentikannya dengan cepat ketika muncul kekhawatiran keselamatan atau keamanan.
- Control Room melacak beban kerja model di seluruh infrastruktur riset OpenAI.
- Control Room dapat menghentikan beban kerja tersebut dengan cepat ketika muncul kekhawatiran keselamatan atau keamanan.
Bagi tim yang menjalankan model pada infrastruktur riset bersama, Control Room menunjukkan bahwa kemampuan penghentian cepat dibangun sebagai lapisan kendali terpisah, bukan diserahkan pada guardrail tiap beban kerja.
Evaluasi Off-Policy Berdimensi Tinggi tanpa Pemisahan Sampel menggunakan Koreksi Onsager
Makalah ini mengembangkan kriteria terkoreksi Onsager dan berbobot kebijakan target yang memperkirakan risiko out-of-sample model reward berdata penuh di bawah kebijakan target hanya dari observasi pelatihannya, sehingga memungkinkan penghentian awal di sepanjang lintasan penurunan gradien data penuh tanpa pemisahan sa...
- Makalah ini membuktikan jaminan mendekati oracle untuk model reward terpilih di bawah asumsi yang sama.
- Koreksi yang sama menghasilkan estimator doubly robust yang secara konsisten memperkirakan nilai kebijakan sebenarnya tanpa pemisahan sampel, bahkan ketika galat prediksi model reward tidak menghilang.
Bagi pengembang AI yang melakukan evaluasi off-policy, ini memungkinkan pemilihan model reward dan perolehan estimasi nilai doubly robust dari lintasan pelatihan data penuh tanpa mengorbankan data untuk pemisahan hold-out.
VoluCompose: Membangun Representasi Visual Volumetrik Ringkas untuk Pemahaman Citra Medis
VoluCompose adalah kerangka tanpa pelatihan dan agnostik terhadap model yang memisahkan konten visual mana yang dipertahankan dari berapa banyak token yang dialokasikan, melalui modul komposisi token hiperbolik dan modul kendali kapasitas berbasis entropi atensi untuk memampatkan citra medis volumetrik.
- Makalah melaporkan bahwa pada sembilan pengaturan terkalibrasi, VoluCompose mencapai hipervolume kualitas-retensi rata-rata tertinggi di antara metode yang dibandingkan.
- Makalah melaporkan kualitas relatif rata-rata 121,68% terhadap referensi tanpa pemampatan sambil mempertahankan rata-rata 22,78% token visual.
- Makalah melaporkan bahwa pemampatan tetap tangguh bahkan pada anggaran token 10%, dengan rasio ROUGE-L terendah terhadap referensi tanpa pemampatan sebesar 96,4% untuk VoluCompose.
- Makalah melaporkan bahwa nilai minimum terkait untuk baseline pemampatan berkisar dari 15,0% hingga 70,5%.
Bagi pengembang model visi-bahasa medis, VoluCompose menunjukkan token volumetrik dapat dipangkas hingga sekitar 22,78% tanpa pelatihan sambil mempertahankan kualitas, sehingga menurunkan biaya inferensi untuk urutan irisan yang panjang.
Dari Geometri ke Fungsi: Dataset Tolok Ukur LiDAR Multi-Tugas untuk Penguraian Semantik dan Fungsional Fasad Urban
Makalah ini memperkenalkan HFX3D, tolok ukur fasad urban berskala besar dengan sekitar 492 juta titik LiDAR dari 26 bangunan di Halifax, Kanada, yang diambil sepanjang empat musim, siang dan malam, serta cuaca beragam, dengan setiap fasad dianotasi pada tiga tingkat: semantik, instans, dan atribut fungsional per instan...
- HFX3D berisi sekitar 492 juta titik LiDAR dari 26 bangunan di Halifax, Kanada.
- Data mencakup empat musim, siang dan malam, serta cuaca beragam.
- Setiap fasad dianotasi pada tiga tingkat: semantik, instans, dan atribut fungsional per instans.
- Makalah melaporkan bahwa segmentasi semantik sudah menantang di bawah ketidakseimbangan kelas yang parah, sementara pemisahan instans struktur berulang dan penalaran fungsional dari geometri jauh lebih sulit.
Tolok ukur ini menggeser evaluasi melampaui geometri dan segmentasi semantik menuju penalaran fungsional, memberi pengembang landasan uji kuantitatif untuk model pemahaman urban 3D yang sadar fungsi.