由于大型语言模型（LLMS）的高级推理能力，问题解决已取得了显着的进步。最近，基于代理的框架（例如SWE-Agent）通过使自主，使用工具的代理能够处理复杂的软件工程任务，从而进一步提高了这一进展。尽管现有的基于代理的问题解决方法主要基于代理的独立探索，但它们通常会陷入本地解决方案，并且无法识别跨代码库不同部分的问题模式 ...
通常观察到，机器学习模型给出的概率预测可能不同意在特定数据子集上的平均实际结果，这也称为错误校准问题。它负责实用机器学习系统的不可靠性。例如，在在线广告中，广告可以收到点击率预测为0 ...
视觉语义嵌入（VSE）是视力语言检索的主要方法，该方法旨在学习深入的嵌入空间，以便将视觉数据嵌入其语义文本标签或描述附近。最近的VSE模型使用复杂的方法来更好地将多模式特征与整体嵌入到整体嵌入中。但是，我们发现令人惊讶的简单（但经过精心选择）全局池功能（e ...
时间序列分类是各个领域的关键任务，例如财务，医疗保健和传感器数据分析。无监督的对比度学习从具有有限标签的时间序列数据中获得了对学习有效表示的重大兴趣。现有的对比学习方法中的普遍方法包括两个单独的阶段：在未标记的数据集上预先培训编码器，并在小型标签数据集上微调训练有素的模型 ...
通过减少CSI反馈的开销，在FDD模式下释放了大量MIMO的全部潜力，最近引起了人们的关注。大量的大量MIMO CSI反馈方法的深入学习已经证明了它们的效率和潜力。但是，大多数现有方法以计算复杂性成本提高了准确性，并且随着CSI压缩率的增加，准确性大大降低 ...
手绘角色动画是计算机图形学中充满活力的领域，在传达表达运动时提出了几何一致性方面的挑战。传统的骨骼动画方法保持了几何一致性，但与复杂的非刚性元素（如流动的头发和裙子）挣扎，导致不自然的变形。相反，视频扩散模型综合了现实的动力学，但由于域间隙而导致的样式化图纸通常会产生几何变形 ...
大型语言模型（LLM）在各种任务中都表现出了非凡的功能，但是由于需要深入的专业知识，它们在专业领域的应用仍然具有挑战性。通过无缝集成外部知识基础，可以将检索授课的生成（RAG）作为一种有前途的解决方案来定制专业领域的LLM，从而在推理过程中实现了对特定于领域的专业知识的实时访问。尽管具有基于扁平文本检索的传统抹布系统的潜力，但仍面临三个关键挑战：（i）在专业环境中的复杂查询理解，（ii）跨分布式来 ...
我们可以准确地从包含不匹配数据对的多模式数据集中确定真实的对应关系吗？现有方法主要强调跨模态对象表示之间的相似性匹配，从而有可能忽略模式中关键关系的一致性，这对于区分真实和错误的对应关系特别重要。这样的遗漏通常会冒着将否定性误认为是积极因素的风险，从而导致意外的绩效退化。为了解决这个问题，我们提出了一个一般关系一致性学习框架，即重新侦察，以准确区分多模式数据之间的真实对应关系，从而有效地减轻了不匹 ...
