我们建议使用概念瓶颈模型（CBM）进行一种新颖的结构和可解释分类的方法。尽管SOTA将图像分类任务作为黑匣子工作，但对模型的需求不断增长，该模型将提供解释的结果。这样的模型通常会使用此目标实例的其他描述（称为概念）学会预测班级标签的分布 ...

特定于领域的智能要求解决问题的专业知识和复杂的推理，对大型语言模型（LLM）提出了重大挑战，这些模型（LLMS）与知识幻觉和在约束参数预算下的推理能力不足。受Bloom在教育理论中的分类学的启发，我们提出了检索提示的推理建模（稀有），这是一种新颖的范式，它使知识存储无法储存推理优化。稀有将域知识的外部化为可检索的来源，并在训练过程中内化了特定于领域的推理模式 ...

移动对象细分是实现对视觉场景的高级了解并具有许多下游应用程序的关键任务。人类可以轻松地将视频中的对象分割。以前的工作主要依赖于光流来提供运动提示。但是，由于挑战，诸如部分运动，复杂的变形，运动模糊和背景干扰等挑战，这种方法通常会导致不完美的预测 ...

现实现象中自然存在多种信号方式，例如视觉和声音。最近，人们对学习生成模型（尤其是变异自动编码器（VAE））的兴趣越来越多，以进行多模式表示学习，尤其是在缺失模态的情况下。这些模型的主要目标是学习一种模态不变和特定于模态的表示，该表示表征了跨多种方式的信息 ...

该调查文件的范围是探索自动故事产生的挑战。我们希望通过以下方式做出贡献：1。探讨以前的故事一研究如何应对这些挑战 ...

本文介绍了即将到来的MAINZ MESA加速器的未来P2平价电子散射设施。该设施的物理计划包括间接，高精度搜索，超出标准模型之外的物理，测量核物理学中的中子分布，源于两光子交换的单旋旋转不对称，以及对HADRONIC PRISTICE违规的未来可能扩展。 P2实验的第一个测量目的是高精度确定弱混合角度为0 ...

参数有效的微调（PEFT）已成为适应大型预训练模型的同时降低计算成本的重要方法。在PEFT方法中，Lora通过将重量更新分解为低级矩阵来大大降低了可训练的参数。但是，传统洛拉（Lora）在所有层中都采用固定等级，但未能说明层次信息的复杂性不同，从而导致适应性和冗余效率低下 ...

知识图中关系预测的主要范式涉及实体和关系的潜在表示和操作 ...