图形用户界面（GUI）代理为自动化复杂的数字任务提供跨平台解决方案，具有转换生产力工作流程的巨大潜力。但是，它们的性能通常受到高质量轨迹数据的稀缺性的限制。为了解决这一限制，我们在专门的中期训练阶段提出了培训视觉语言模型（VLM），推理密集型任务，然后研究如何纳入这些任务如何促进对GUI计划方案的概括 ...
尽管大型语言模型（LLM）在知识回忆和推理方面表现出色，但随着现实世界的发展或适应特定领域的知识，它们的静态性质导致了过时的信息，突出了有效的知识注入的需求。但是，当前对知识注射的研究仍然是肤浅的，主要集中在知识记忆和检索上。本文提出了一个四层知识注入框架，该框架系统地定义了知识注入的水平：记忆，检索，推理和关联 ...
大型卷积网络模型最近在ImageNet基准测试中表现出了令人印象深刻的分类性能。但是，尚无清楚地了解他们为什么表现如此出色，或者如何改善它们。在本文中，我们解决了这两个问题 ...
大型语言模型（llm）已展现出令人印象深刻的泛化未知任务的能力。在命名实体识别（ ner）任务中，最近的进展表明，通过采用以实体为中心的模式，通过指令调整 ...
我们介绍了Falcon系列：7b，40b和180b参数，仅因素模型，该模型训练了以不同的高质量语料库为主要由Web数据组装而来的高质量语料库。最大的型号Falcon-180B已接受了3.5万亿 Token 的培训，该文本是最大的公开记录的预算训练 ...
为了解决自然语言中大型语言模型性能对 SQL 任务的挑战，我们引入了 XiYan-SQL，这是一种创新框架，采用多生成器集成策略来改进候选生成。我们介绍 M-Schema，一种半结构化模式表示方法，旨在增强对数据库结构的理解。为了提高生成的候选 SQL 查询的质量和多样性，XiYan-SQL 将上下文学习 (ICL) 的巨大潜力与监督微调的精确控制相结合 ...
将知识从标记的源域中学到的知识转移到无监督域适应（UDA）的原始目标域（UDA）对于自动驾驶系统的可扩展部署至关重要。 UDA中的最新方法通常采用一个关键思想：利用来自源和目标域的联合监督信号进行自我训练。在这项工作中，我们改善并扩展了这一方面 ...
本文提出了一种有效分割图像的新方法，这些方法可以集成到任何模型和方法论中。我们选择的范式是用于1900检测的医学图像（3-D胸CT扫描）的分类。我们的方法包括视觉模型的组合，这些模型将CT扫描分割，然后将其馈送到一个名为Racnet的深层神经结构中，以进行COVID-19的检测。特别是，引入了一个名为SAM2Clip2SAM的新型框架进行分割，以利用各个段的任何模型（SAM）和对比性语言图像预训练 ...
