阅读理解测试用于各种应用程序，从教育到评估简化文本的可理解性。但是，手动创建此类测试并确保其质量很困难且耗时。在本文中，我们探讨了如何使用大型语言模型（LLM）来生成和评估多项选择阅读理解项目 ...

如今的自动调节器（例如，AutoTVM，Ansor）通过导航较大的搜索空间来确定有效的实现，从而生成有效的张量程序，但是它们可以使用不透明的硬件详细信息来实现 ...

知识图代表了使用三胞胎的已知事实。尽管现有的知识图嵌入方法仅考虑实体之间的连接，但我们建议考虑三胞胎之间的关系。例如，让我们考虑两个三胞胎$ t_1 $和$ t_2 $，其中$ t_1 $ is（Academy_awards，nominates，avatar）和$ t_2 $ is（avatar，wins，cademy_awards） ...

通过将多模式数据（文本，图像，视频）集成到检索和生成过程中，可以增强大语言模型（LLMS），从而增强了大语言模型（LLMS），从而克服了仅文本检索的限制生成（RAG）的限制。尽管RAG通过合并外部文本知识来提高响应精度，但MRAG将此框架扩展到包括多模式检索和生成，从而利用各种数据类型的上下文信息。这种方法通过将回答基于事实，多模式知识来降低幻觉并增强问题的系统 ...

解释图的产生是一项重要的任务，旨在根据用户输入来产生解释图，从而揭示内部推理过程。由于非结构化用户查询和结构化解释图之间的显着差异，因此此任务具有挑战性。当前的研究通常在小型下游数据集上微调基于文本的预训练的语言模型，该模型用标记的图表注释 ...

病理学全扫描图像（WSIS）的表示学主要依赖于多个实例学习（MIL）的弱监督。这种方法导致幻灯片表示高度针对特定的临床任务。自我监督学习（SSL）已成功地应用于培训组织病理学基础模型（FMS），以进行补丁嵌入生成 ...

准确地对多类细胞拓扑进行建模对于数字病理学至关重要，因为它为组织结构和病理提供了关键的见解。细胞拓扑的合成生成能够对复杂的组织环境进行现实模拟，通过增强训练数据，更紧密地与病理学家的领域知识保持一致，并为控制和推广肿瘤微环境提供新的机会。在本文中，我们提出了一种新颖的方法，该方法将拓扑约束整合到扩散模型中，以改善现实，上下文准确的细胞拓扑的产生 ...

空间转录组学（ST）的最新进展具有空间分辨的基因表达谱，从而根据图像贴片对不同组织位置的基因表达进行了预测。这为增强具有局部基因表达的整个幻灯片图像（WSI）预测任务开辟了新的可能性。但是，现有方法无法完全利用不同组织位置之间的相互作用，这对于准确的关节预测至关重要 ...