由于技术和项目需求的快速发展，组织需要将其软件项目中的代码基础升级到编程语言的新版本，甚至可以转化为全新的。但是，代码翻译是资源密集型的，需要在源语言和目标语言方面的专业知识。尽管研究人员在自动化遗产和现代语言之间的翻译方面取得了进展，但最近的工作越来越多地转向了预先训练的大型语言模型（LLMS），以有效地翻译 ...

在3D对象分类的领域中，一个基本挑战在于解决标记数据的稀缺性，这限制了传统数据密集型学习范式的适用性。在几次学习方案中，这一挑战尤其明显，在这种情况下，目的是从最小注释的样本中实现强大的概括。为了克服这些局限性，至关重要的是要识别和利用3D对象的最显着和歧视性特征，从而提高学习效率并降低对大型标记数据集的依赖 ...

语言模型（LMS）越来越多地用于推荐系统，因为它们的高级语言理解和发电能力。基于生成检索的最新推荐系统利用了LMS的推论能力直接基于用户交互历史记录中的项目序列，直接生成下一个项目的索引 Token 。先前的研究主要集中在仅基于文本语义或协作信息的项目索引上 ...

我们介绍了君主稀疏调整（大多数），这是第一个基于用于3D表示学习的基于重新聚集的参数效率微调（PEFT）方法。与现有的基于适配器和及时调整的3D PEFT方法不同，大多数没有引入其他推理开销，并且与许多3D表示骨架兼容。从本质上讲，我们为3D点云（Point Monarch）提供了一个新的结构化矩阵家族，可以捕获不规则点的局部几何特征，同时提供高表现力 ...

直接偏好优化（DPO）是一种成功的微调策略，用于使大型语言模型具有人类偏好，而无需训练奖励模型或采用强化学习。 DPO原始规定，依赖于二进制偏好数据和微型语言模型来增加优先响应的可能性，而不是分配的响应。但是，并非所有偏好对都是相等的 ...

解释性对于探测图形神经网络（GNN）至关重要，回答了诸如“为什么GNN模型做出一定预测？”之类的问题。特征归因是一种突出输入图中的解释子图的普遍技术，该技术可能会导致GNN模型进行预测。各种归因方法利用梯度样或注意力分数作为边缘的属性，然后选择具有最高归因得分的显着边缘作为解释 ...

为了使机器人通常有用，即使没有昂贵的导航培训，他们也必须能够找到人（即以语言驱动）描述的任意对象（即，在语言驱动的情况下）（i ...

在智能运输中，开发有效的路径表示已变得越来越重要。尽管预先训练的路径表示模型显示出改善的性能，但它们主要集中在单个模态数据的拓扑结构上，即 ...