由上下文学习（icl）驱动的大型语言模型（llm）显着提高了文本到sql的性能。以前的方法通常采用两阶段推理框架，即，即2）逻辑综合，使得该框架不仅有效，使得该框架不仅有效，使得该框架不仅有效，使得该框架不仅有效而且可解释。尽管取得了这些进步，llm泛化固有的不良本质常常会导致幻觉，llm的全部潜力... ...

协作学习（CL）是一个分布式学习框架，旨在通过仅通过共享其梯度更新来共同培训模型来保护用户隐私。但是，从共享梯度中恢复用户培训数据的梯度反演攻击（GIAS）对CL构成了严重的隐私威胁。现有的防御方法采用不同的技术，例如 ...

大型语言模型（LLM）代理商在任务自动化和智能决策中表现出显着的功能，推动了诸如Langchain和Autogen等代理开发框架的广泛采用。但是，这些框架主要为开发人员提供广泛的技术专业知识的服务 - 考虑到只有0.03％的全球人口具有必要的编程技能，这一重大局限性 ...

由于其能力赋予大型语言模型（LLM）的能力以整合外部知识的能力，因此检索增强发电（RAG）获得了广泛的采用。但是，现有的RAG框架主要是为基于文本的LLM设计的，并依靠自动语音识别来处理语音输入，这会丢弃重要的音频信息，风险转录错误并增加计算开销。因此，我们介绍了WavRag，这是第一个带有本机端到端音频支持的增强生成框架 ...

光学相干断层扫描（OCT）提供了可用于诊断各种疾病的高分辨率横截面图像，但是它们与自然图像的独特特征有关在像Imagenet这样的数据集中进行大规模预培训是否总是有益的。在本文中，我们研究了基于Imagenet的预训练对视觉 Transformer （VIT）性能对不同数据集大小的OCT图像分类的影响。我们的实验涵盖了四类视网膜病理（CNV，DME，DRUSEN，正常） ...

在本文中，我们介绍了深度的诅咒，该概念突出显示，解释和解决了现代大型语言模型（LLMS）的最新观察结果，其中将近一半的层比预期的效率差。我们首先证实了这种现象在最受欢迎的LLM家族中的广泛存在，例如Llama，Mistral，Deepseek和Qwen。我们的理论和经验上的分析表明，LLMS中深层无效的根本原因是预层归一化的广泛使用（前LN） ...

大型语言模型（LLM）的最新进展已使软件工程（SE）的协作人与许多专业相似。但是，尚未完全探索将LLM纳入定性数据分析中的潜在好处和含义。例如，对研究人员来说，手动进行定性数据分析可能是耗时，努力且容易出错的任务 ...

在现代商业搜索引擎和推荐系统中，可以使用来自多个领域的数据来联合训练多领域模型。传统方法在多任务设置中训练多域模型，使用共享参数来学习多个任务的相似性，使用特定于任务的参数来学习各个任务的特征、标签和样本分布的差异。随着大型语言模型的发展，llm可以提取全局域不变的文本特征，服务于搜索和推荐任务... ...