在星团中形成的紧凑型二进制合并可能表现出独特的特征，可用于在观察到的重力波（GW）源中识别它们。这样的特征可能取决于宿主簇结构和大量恒星进化的物理。在这里，我们在\ textsc {dragon-ii}模拟数据库中剖析了紧凑型二进制合并的种群，这是一套19个直接$ n $ n $型模型的套件，代表着密集的星形簇，最高$ 10^6 $ stars和$ <33 \％$ <33 \％的Primordia ...

在这项工作中，我们开创了开放式摄影单眼3D对象检测的研究，这是一种新的任务，旨在从单个RGB图像中检测和将对象定位在3D空间中，而无需将检测限制为预先定义的类别集。我们将此问题进行正式化，建立基线方法，并引入一种类不足的方法，该方法利用开放式2D检测器，并将2D边界框提升到3D空间。我们的方法将对象在2D中的识别和本地化与估计3D边界框的任务相脱离，从而可以在看不见的类别上进行概括 ...

尽管大语言模型（LLM）在各种推理任务中具有显着的功能，但它们仍然在表格推理任务上挣扎，尤其是在整个多步推理过程中保持一致性时。尽管现有方法探讨了各种分解策略，但它们通常缺乏有效的机制来识别和纠正中间推理步骤中的错误，从而导致级联错误传播。为了解决这些问题，我们提出了Table-Critic，这是一个新型的多代理框架，促进了对推理过程的协作批评和迭代性的完善，直到融合纠正解决方案为止 ...

模型合并将多个模型的参数集成到统一模型中，结合了它们的各种功能。现有的模型合并方法通常受固定参数合并比率的约束。在这项研究中，我们提出了混合模型合并（M $^3 $），这是一种受混合数据增强技术启发的创新方法 ...

3D视觉接地（3DVG）旨在根据文本描述本地化3D对象。 3DVG的常规监督方法通常需要广泛的注释和预定义的词汇，这可能是限制的。为了解决这个问题，我们提出了一种新型的视觉编程方法，用于零射击开放式摄氏3DVG，利用大语言模型（LLMS）的功能 ...

最近针对解决车辆路线问题（VRP）的研究已获得了巨大的吸引力，尤其是通过将深入（加固）学习用于端到端溶液构建。但是，许多目前的基于施工的神经求解器主要利用 Transformer 体系结构，这可能面临可扩展性挑战并难以生产各种解决方案。为了解决这些局限性，我们引入了一个新颖的框架以外的基于变形金刚的方法 ...

开放词汇3D语义分割中的现有方法主要集中于建立一个统一的特征空间，包括3D，2D和文本模式。然而，诸如全球特征对齐或视觉模型蒸馏之类的传统技术往往只施加近似对应关系，在描述细粒细分边界时尤其挣扎。为了解决这一差距，我们通过跨模式掩码推理框架XMASK3D提出了3D功能与2D文本嵌入空间之间更细致的面膜级对齐 ...

神经组合优化（NCO）的最新进步在解决路线问题（TSP）（TSP）和电容的车辆路由问题（CVRP）方面已显示出希望，而没有手工设计。该领域的研究探索了两个主要类别：迭代和非著作。尽管非著作方法难以直接生成近乎最佳的解决方案，但迭代方法通过学习本地搜索步骤简化了任务 ...