一种流行的学习编码器方法是有损压缩的方法，是在训练过程中使用添加剂均匀的噪声作为测试时间量化的可区分近似值。我们证明，也可以使用通用量化在测试时间实现均匀的噪声通道（ZIV，1985）。这使我们能够消除训练阶段和测试阶段之间的不匹配，同时保持完全可区分的损失函数 ...
在作为大型语言模型（LLMS）的可行补充时，检索授权的一代（RAG）经常忽略其管道中文本块的关键方面。本文最初引入了一种双重评估方法，包括边界清晰度和块状粘性，以实现直接量化质量的量化。利用这种评估方法，我们强调了传统和语义块在处理复杂的上下文细微差别中的固有局限性，从而证实了将LLMS整合到块状过程中的必要性 ...
在实际情况下，实现域的适应性和泛化会带来重大挑战，因为模型必须适应或推广到未知的目标分布中。将这些功能扩展到看不见的多模式分布，即 ...
随着可解释的AI（XAI）的采用不断扩大，解决其隐私含义的紧迫性也加剧了。尽管在AI隐私性和解释性方面进行了越来越多的研究，但对保护隐私模型的解释几乎没有关注。本文介绍了有关模型解释及其对策的隐私攻击的首次彻底调查 ...
在本文中，我们提出了一个生成模型，该模型了解语言与人类行动之间的关系，以便在描述人类行为的句子中产生人类的行动序列。提出的生成模型是一种生成对抗网络（GAN），该网络基于序列（SEQ2SEQ）模型的序列。使用建议的生成网络，我们可以使用文本编码器复发神经网络（RNN）和动作解码器RNN合成机器人或虚拟代理的各种动作 ...
我们提出了一种粗到精细的离散方法，该方法能够使用离散的增强学习方法，以代替连续机器人域中的不稳定和数据感知的参与者 - 批判性方法。这种方法基于最近发布的ARM算法，该算法用离散的姿势代替了连续的次要姿势剂，并用粗到最细的Q注意来代替。鉴于一个体素的场景，粗到最新的Q发言学会了“放大”场景的哪一部分 ...
对于非结构化环境中各种各样的现实世界机器人应用程序，视觉重新排列是一个至关重要的问题。我们建议机器人对象重排的IFOR，迭代流量最小化，这是针对原始场景和最终场景的RGBD映像的对象重新排列的具有挑战性问题的端到端方法。首先，我们学习基于筏的光流模型，以估算纯粹从合成数据的对象的相对转换 ...
在诸如物联网（IoT）等技术的迅速发展之后，全球数据格局经历了指数激增，将DNA存储推向了人们关注的焦点，作为当代云存储应用程序的前瞻性媒介。本文介绍了语义人工智能增强的DNA存储（SEMAI-DNA）范式，通过两个关键修改将自己与普遍的基于深度学习的方法区分开来：1）将语义提取模块嵌入编码的末端，促进了细致的nufagical semantic信息信息的编码和存储； 2）在解码末端构思了一个有前 ...
