我们提出了前景覆盖的原型生成和匹配，以解决少数弹片分割（FSS），该分段旨在根据标记的支持图像在未标记的查询图像中细分目标区域。与先前的研究不同，该研究通常使用支持原型和查询像素来估算查询中的目标区域，我们利用了支持和查询原型之间的关系。为了实现这一目标，我们利用了两个互补功能：用于像素聚合的SAM Image编码器功能和类别一致性的重新连接功能 ...

最近，利用预先训练的大型语言模型 (LLM) 执行时间序列 (TS) 任务受到越来越多的关注，其中涉及激活和增强 LLM 的能力。许多方法旨在基于 token 级对齐来激活 LLM 的能力，但却忽视了 LLM 在自然语言处理方面的固有优势——他们对语言逻辑和结构的深刻理解，而不是肤浅的嵌入处理。我们提出了上下文对齐（Context-Alignment），这是一种新的范式，它将 TS 与 LLM 熟 ...

我们在量子场理论的背景下提出了逆重新归化组变换，该量子场理论产生适当的关键固定点结构，从而导致参数空间中的反向流，并逃避与关键性有关的计算中的关键减慢效应。给定二维$ \ phi^{4} $标量字段理论的配置，大小为$ v = 8^{2} $，我们应用反向转换来产生大小的重新定型系统，最高$ v'= 512^{2} $，我们利用我们利用这两个关键指定者。最后，我们通过讨论该方法通常如何适用于成功产 ...

优化无处不在。虽然基于导数的算法一直是解决各种问题的强大工具，但梯度的缺失给许多现实世界的应用带来了挑战。在这项工作中，我们提出了 Optimization by PROmpting (OPRO)，这是一种利用大型语言模型 (LLM) 作为优化器的简单而有效的方法，其中优化任务以自然语言描述 ...

大型语言模型在预训练期间积累了广泛的知识，但是管理这一收购的动态仍然知之甚少。这项工作研究了语言模型在综合事实召回任务上的学习动力学，发现了三个关键发现：首先，语言模型分为三个阶段，在获得精确的事实知识之前展示了表演平稳。从机械上讲，该平台与支持回忆的基于注意的电路的形成相吻合 ...

大型语言模型 (LLM) 彻底改变了自然语言处理，但由于集成音频和文本模式的复杂性，它们在基于语音的任务中的应用仍然具有挑战性。本文介绍了 Ichigo，这是一种混合模态模型，可以无缝处理交错的语音和文本序列。利用标记化的早期融合方法，Ichigo 将语音量化为离散标记，并针对语音和文本模式采用基于 Transformer 的统一架构 ...

在部署过程中，我们如何依靠端到端的自动驾驶汽车复杂的决策系统？一种常见的解决方案是具有``缩回层''，该``后备层''检查计划的轨迹是否违反规则，并在必要时用预定义的安全诉讼代替。另一种方法涉及调整规划师的决定，以使用其他系统预测（例如道路布局和检测到的障碍）最大程度地减少预定的``成本函数''。但是，这些预编程的规则或成本功能无法通过新的培训数据来学习和改进，通常会导致过度保守的行为 ...

跟随指导使现代大型语言模型（LLMS）有帮助的助手。但是，在复杂说明中驯服LLM的关键仍然是神秘的，因为由开源社区培训的模型与由领先公司培训的模型之间存在巨大差距。为了弥合差距，我们为构建LLM的简单可扩展的方法提出了一个可以遵循带有开源数据的复杂说明的Ultraif ...