Shapley值（SV）是一个公平且原则性的度量标准，用于跨性别联盟学习（Cross-Silo FL）的贡献评估，其中组织（即客户端）与参数服务器的协作进行了协作训练预测模型 ...

在自动驾驶的3D对象检测的领域中，LiDAR-CAMERA（LC）融合是表现最佳的传感器配置。尽管如此，LIDAR还是相对较高的成本，这阻碍了该技术用于消费汽车。另外，相机和雷达通常已经在今天的车辆上部署在车辆上，但是相机雷达（CR）融合的性能落在LC Fusion后面 ...

近年来，由于其对3D场景的良好了解，占用预测越来越引起人们的关注。传统方法通常依赖于致密的定期网格表示，这通常会导致过度的计算需求和小物体的空间细节丢失。本文介绍了OCTREEOCC，这是一种创新的3D占用预测框架，该框架利用OctRee代表来适应3D中的有价值的信息，提供可变的粒度，以适应各种大小和复杂性的对象形状和语义区域 ...

时间序列分析在众多应用中发挥着关键作用，支持预测、分类、异常检测和插补等任务。在这项工作中，我们提出了时间序列模式机（TSPM），该模型旨在通过强大的表示和模式提取功能在广泛的时间序列任务中表现出色。传统的时间序列模型通常难以捕捉通用模式，从而限制了它们在不同任务中的有效性 ...

尽管通过外部检索扩展了大型语言模型（LLM）功能的检索型生成（RAG）系统的显着进步，但这些系统通常很难满足现实世界工业应用的复杂和多样化的需求。仅靠检索的依赖证明不足以从专业语料库中提取逻辑推理中的深层，特定于领域的知识。为了解决这个问题，我们介绍了专门的知识和理由增强生成（派克布），重点是提取，理解和应用专业知识，同时构建相干的理由以逐步将LLMS逐步转向准确的响应 ...

近年来，从小学级别到前沿问题的迅速升级，即LLM基准难度的问题，这为研究人员编织了一个奇迹，即我们距离超过人类智能只有几英寸的距离。但是，LLMS的非凡推理能力确实来自人类标准的真正智能，还是仅仅在互联网培训期间见证了解决方案？为了研究这个问题，我们提出了ROR Bench，这是一种新型的多模式基准测试，用于检测LLM的朗诵行为时，当被问及简单的推理问题，但条件巧妙地转移，并对我们的基准进行了经验 ...

该段的任何模型（SAM）的成功证明了以数据为中心的机器学习的重要性。但是，由于与遥感（RS）图像相关的困难和高成本，因此大量有价值的RS数据仍然没有标记，尤其是在像素级别上。在这项研究中，我们利用SAM和现有的RS对象检测数据集开发有效的管道，以生成称为SAMRS的大规模RS分割数据集 ...

几乎没有学习的学习代表和获取知识，因此可以在监督和数据受到限制的情况下解决新任务。通过转导推断，可以同时使用整个测试集，以及半监督的学习，可以通过转移性推理进行改进的性能。为了关注这两种设置，我们引入了一种新的算法，该算法利用标签和未标记的数据分布的多种结构来预测伪标签，同时平衡类并使用有限能力分类器的损失价值分布来选择最清洁的标签，从而改善了Pseudo-Labels质量的质量 ...