大型语言模型（LLMS）的快速发展已驱动了各种领域的新型应用，基于LLM的代理将成为至关重要的探索领域。这项调查对设计用于数据科学任务的基于LLM的代理进行了全面分析，总结了最近的研究的见解。从代理的角度来看，我们讨论了关键设计原则，涵盖了代理角色，执行，知识和反射方法 ...
多年来，推荐系统已在各种大规模面向用户的平台中广泛使用。但是，与AI社区的快速发展相比，近年来推荐系统尚未取得突破。例如，他们仍然依靠多阶段的级联体系结构而不是端到端方法，从而导致计算分散和优化不一致，并阻碍了在建议方案中，AI社区从AI社区中有效地应用了关键突破性技术 ...
作为基于视觉的感知的一项基本任务，3D 占用预测重建周围环境的 3D 结构。它为自动驾驶规划和导航提供详细信息。然而，大多数现有方法严重依赖激光雷达点云来生成占用地面实况，这在基于视觉的系统中不可用 ...
生成AI的最新突破已通过端到端一代改变了推荐系统。 Onerec将建议重新定义为自回归的生成任务，从而实现了高模型的利用。尽管Onerec-V1在现实部署中显示出显着的经验成功，但两个关键的挑战阻碍了其可扩展性和性能：（1）效率低下的计算分配，其中97 ...
体现教学以下（EIF）是体现学习中的至关重要的任务，要求代理通过以自然的观察来与其环境互动以实现自然语言指示。最近的进步使在以框架为中心的方法中采用大型语言模型（LLM）的激增，以增强包括EIF在内的具体学习任务的性能。尽管做出了这些努力，但仍缺乏对从视觉感知到动作执行任务绩效的各种组件的影响的统一理解 ...
尽管神经网络方法的很多关注都致力于高维PDE问题，但在这项工作中，我们考虑了旨在解决域上椭圆形问题的方法，$ \ omega \ subset \ subset \ mathbb {r} ^d，$ $ $ d = 1,2,3 $与更多标准限制元素有关。我们建议通过训练（即 ...
在本文中，我们提出了一个新颖的基于知识的体现问题回答（K-EQA）任务，其中代理商智能地探索了用知识回答各种问题的环境。与在现有的EQA工作中明确指定目标对象的不同之处不同，代理可以诉诸外部知识，以理解更复杂的问题，例如“请告诉我什么是用来切割房间中的食物的对象？”，在哪些物体中，代理商必须在其中知道“刀具用于切割食物”之类的知识。为了解决这个K-EQA问题，提出了一个基于神经程序综合推理的新颖框 ...
为了解决自动驾驶模拟方案中低智力和简单车辆行为建模的当前挑战，本文提出了具有推理和运动样式（CHARMS）的认知层次结构代理。该模型可以推理其他车辆（如人类驾驶员）的行为，并以不同的决策方式做出反应，从而在驾驶场景中提高周围车辆的智力和多样性。通过介绍级别的K行为游戏理论，本文对人类驱动因素的决策过程进行了建模，并采用了深入的强化学习来以各种决策方式训练模型，从而模拟了不同的推理方法和行为特征 . ...
