理解自然语言指示是3D室内场景合成系统的迷人属性。现有方法直接建模对象联合分布并隐含在场景中表达对象关系，从而阻碍了生成的可控性。我们介绍了TenchScene，这是一种新颖的生成框架，该框架集成了语义图和一个布局解码器，以提高3D场景合成的可控性和保真度 ...
新型小分子药物的发现仍然是一项关键的科学挑战，对治疗疾病和推动人类健康的影响深远。传统的药物开发 - 特别是对于小分子疗法 - 是一个高度复杂，资源密集且耗时的过程，需要多学科的合作。最近的人工智能（AI）的最新突破，尤其是大语言模型（LLM）的兴起，为简化和加速这一过程提供了变革性的机会 ...
我们提出了模糊小组相对政策奖励（FGRPR），这是一个新颖的框架，将小组相对政策优化（GRPO）与模糊奖励功能集成在一起，以提高学习效率。与传统的二进制0/1精度奖励不同，我们的模糊奖励模型提供了细微的激励措施，鼓励了更精确的产出。实验结果表明，与监督的微调（SFT）相比，具有标准0/1准确性奖励的GRPO表现不佳 ...
尽管最新的自主驾驶系统着重于开发对自我车辆传感器的感知方法，但人们倾向于忽略一种替代方法来利用智能的路边摄像头来将感知能力扩展到视觉范围之外。我们发现，以最先进的视觉为中心的鸟类视图检测方法在路边摄像头上的表现较低。这是因为这些方法主要集中于恢复相机中心的深度，在距离增加的同时，汽车和地面之间的深度差异迅速收缩 ...
大型语言模型（LLMS）显示出显着的紧急功能，通过利用外部工具来解决需要专门处理或实时数据的复杂问题来改变功能任务的执行。尽管现有研究扩大了LLMS对不同工具的访问（例如 ...
动态模式分解（DMD）是一种广泛使用的数据驱动算法，用于预测动态系统的未来状态。但是，其标准配方通常会以较差的长期预测准确性挣扎。为了解决这一限制，我们提出了一个局部的DMD框架，该框架通过将DMD强大的短期预测能力与时间域分解技术相结合，从而提高预测性能 ...
尽管文本到3D生成方法取得了进步，但多生对象的生成仍然具有挑战性。当前方法在生成尊重文本描述的物理上合理的安排时表现出失败。我们提出了SceneMotifCoder（SMC），这是一个示例驱动的框架，用于通过视觉程序学习生成3D对象布置 ...
近年来，生成模型在生成任务中的出色表现引发了对它们整合到决策过程中的浓厚兴趣。由于它们可以处理复杂的数据分布及其强大的模型能力，因此可以通过生成指导代理到高奖励状态行动区域或中间子目标来有效地纳入决策系统中的生成模型。本文对生成模型在决策任务中的应用进行了全面综述 ...
