从时间序列数据中揭示隐藏的符号定律,这是可以追溯到开普勒发现行星运动的愿望,仍然是科学发现和人工智能的核心挑战。尽管大型语言模型在结构化的推理任务中表现出希望,但其从时间序列数据中推断出可解释的,上下文一致的符号结构的能力仍未得到充实。为了系统地评估此功能,我们介绍了符号基台,这是一个综合基准,旨在评估三个任务的现实时间序列上的符号推理:多元符号回归,布尔网络推断和因果发现 ...
0 0 0 2025/09/15 arXiv:2508.03963v2 haoyb22
近年来,基于密度和基于分类的方法统治了无监督异常检测,而基于重建的方法由于重建能力差和性能低而很少被提及。然而,后者不需要昂贵的额外训练样本来实现更实用的无监督训练,因此本文重点改进这种方法,Ocr-gan(ocr-gan),网络来处理异常检测从频率的角度来看任务。具体来说,fd)模块 ...
0 0 0 2025/09/15 arXiv:2203.00259v2 liaoyusy_0
传统的行业推荐人员通常接受单一业务领域的培训,然后为该领域服务。然而,在大型商业平台中,Ctr(ctr) ...
0 1 0 2025/09/15 arXiv:2101.11427v5 hzlyiyibooks
视觉语言动作(VLA)模型最近已成为用于机器人操作的强大范式。尽管大规模预处理和监督微调(SFT)可以取得重大进展,但这些模型面临两个基本挑战:(i)SFT扩展所需的大型人类经验的机器人轨迹的稀缺性和高成本,以及(ii)对涉及分配转移任务的有限概括。大型推理模型(LRMS)的最新突破表明,加强学习(RL)可以显着增强逐步推理能力,提出一个自然的问题:RL是否可以同样改善VLA的长期逐步动作计划?在 ...
0 0 0 2025/09/15 arXiv:2509.09674v1 kuioma
无监督的对比度学习取得了杰出的成功,而对比度损失的机制却较少。在本文中,我们专注于对无监督对比损失行为的理解。我们将证明对比损失是一种硬度感知的损失函数,温度{\ tau}控制着对硬性负样本的惩罚强度 ...
0 0 0 2025/09/15 arXiv:2012.09740v2 15502111727
本文介绍了Robomatch,这是一个具有自动匹配网络体系结构的新型统一远程操作平台,旨在解决动态环境中的长马利琴事件。我们的系统增强了远程操作的性能,数据收集效率,任务准确性和操作稳定性。 Robomatch的核心是一种驾驶舱风格的控制接口,可实现移动基础和双臂的同步操作,从而显着提高了控制精度和数据收集 ...
0 0 0 2025/09/15 arXiv:2509.08522v1 odenkkk
在计算机愿景中,对其丰富的应用程序是一个重要的问题。我们提出了一种无监督的学习方法,用于从图像中进行共同分割。对于训练阶段,我们利用嵌入视频中的运动信息并明确提取潜在表示形式来细分有意义的对象部分 ...
0 0 0 2025/09/15 arXiv:2106.05897v1 orangelcx
以人为中心的视频生成(HCVG)方法旨在从多模式输入(包括文本,图像和音频)中综合人类视频。由于两个挑战,现有方法难以有效地协调这些异质方式:缺乏配对三重态条件的训练数据以及与多型输入的主题保存和视听同步的子任务的难度。在这项工作中,我们提出了Humo,这是一个统一的HCVG合作多模式控制的框架 ...
0 0 0 2025/09/15 arXiv:2509.08519v1 yanghedada

来一起翻译吧!


为了您和其他读者获得更好的阅读体验,请您勇敢地改进翻译,特别是一些显而易见的机器翻译错误。


虽然我们追求卓越,但我们并不要求翻译十全十美,因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译,您不必担心会因为您的失误导致无法挽回的破坏。(改编自维基百科)