随着大型语言模型（llm）的最新发展，对于广大开发人员来说，llm加快了功能开发过程，llm生成具有适当安全措施的代码是比功能代码生成更具挑战性的任务... ...
许多开发人员依靠大型语言模型（LLM）来促进软件开发。但是，这些模型在安全域中表现出有限的功能。我们介绍了LLMSECGUARD，这是一个框架，可通过静态代码分析仪和LLM之间的协同作用提供增强的代码安全性 ...
软件容易出现安全漏洞。由于依赖人类标记的规格，因此检测到它们的程序分析工具在实践中的有效性有限。大型语言模型（或LLMS）显示出令人印象深刻的代码生成功能，但是它们不能对代码进行复杂的推理来检测此类漏洞，尤其是因为此任务需要全依据分析 ...
视觉异常检测（VAD）旨在识别图像中偏离正常模式的异常样本，涵盖多个领域，包括工业、逻辑和医学领域。由于这些领域之间存在领域差距，现有的 VAD 方法通常是针对每个领域量身定制的，具有难以跨不同领域推广的专门检测技术和模型架构。此外，即使在同一领域内，当前的VAD方法也往往遵循“一类一模型”范式，需要大量正常样本来训练特定类别的模型，导致泛化性较差，阻碍了跨领域的统一评估 ...
故事可视化旨在创建与文本叙述相对应的视觉引人入胜的图像或视频。尽管扩散模型的最新进展产生了令人有希望的结果，但现有的方法仍然很难仅基于故事创建一个连贯的主题一致框架序列。为此，我们提出了Dreamstory，这是一个自动开放域故事可视化框架，利用LLM和一种新颖的多主体一致扩散模型 ...
卷积神经网络（CNN）和视觉变换器（ViT）是视觉表示学习的两种最流行的基础模型。虽然 CNN 表现出卓越的可扩展性和线性复杂度 ...
基础模型的最新进展强调了使用小型策划的数据集将预训练的模型与专门域相结合。这些基础模型的研究强调了低数据训练和微调的重要性。该主题在自然语言处理（NLP）中众所周知，在科学机器学习（SCIML）的新兴领域也引起了人们的关注 ...
多模态大语言模型 (MLLM) 正在改变图形用户界面 (GUI) 代理的功能，促进其从受控模拟过渡到跨各种平台的复杂的现实应用程序。然而，这些代理的有效性取决于其接地能力的稳健性。当前的 GUI 代理主要使用基于文本的表示形式，例如 HTML 或可访问树，尽管它们很实用，但通常会引入噪音、不完整性并增加计算开销 ...
