无人驾驶飞机（UAV）通常用于未知环境中的任务，在未知环境中可能无法使用确切的数学模型。本文提供了一个框架，用于使用加固学习，以允许无人机在这种环境中成功导航。我们进行了模拟和实际实施，以展示无人机如何成功学习在未知环境中导航 ...

广泛应用的大语言模型（LLM）可以产生类似人类的内容，从而引起人们对LLM滥用的担忧。因此，重要的是要构建强大的AI生成的文本（AIGT）检测器。当前工作仅考虑文档级AIGT检测，因此，在本文中，我们首先通过合成包含使用LLMS抛光的文档的数据集来引入句子级检测挑战，也就是说，文档包含人类编写的句子和LLMS修改的句子 ...

我们描述了一种新的生成对抗网络训练方法。关键思想是逐步增长生成器和鉴别器：从低分辨率开始，我们添加新的层，随着训练的进行，模型的细节越来越精细。这既加快了训练速度，又极大地稳定了训练 ...

从用户项目交互矩阵中恢复用户首选项是推荐系统的关键挑战。尽管扩散模型可以从潜在分布中采样和重建偏好，但它们通常无法有效地捕获相似用户的集体偏好。此外，潜在变量在正向过程中降低了纯高斯噪声，从而降低了信噪比，从而降低了性能 ...

故事可视化旨在生成一系列与文本中描述的故事相匹配的图像，并且需要生成的图像以满足高质量，与文本描述的一致性以及角色身份的一致性。鉴于故事可视化的复杂性，现有方法通过仅考虑几个特定字符和场景，或要求用户提供每图像控制条件（例如草图），从而大大简化了问题。但是，这些简化使这些方法无能为力 ...

微调大型语言模型 (LLM) 是针对特定应用程序调整预训练模型的常见做法。虽然 LoRA 等方法在微调过程中有效解决了 GPU 内存限制，但它们的性能往往不足，尤其是在多任务场景中。相比之下，Mixtral 8x7B 等专家混合 (MoE) 模型在多任务学习场景中表现出卓越的性能，同时保持了较少的参数数量 ...

在计算和记忆成本方面，微调大语言模型（LLMS）非常昂贵。低排名适应（Lora）是最受欢迎的参数效率微调（PEFT）方法之一，通过近似模型更改$ \ delta w \ in \ in \ mathbb {r}^{r}^{m \ times nimeS n} $，通过下降量$ a \ a \ a \ n \ n \ n \ n \ ar {m mathbb {r}^{m \ times n} $  ...

面部衰老是一个复杂的过程，高度依赖于性别，种族，生活方式等多种因素，因此在准确预测任何个人的老化之前，学习全球衰老的人非常具有挑战性。现有的技术通常会产生现实且合理的老化结果，但是重生的图像通常与该人在目标时代的外观不像，因此需要个性化 ...