图形神经网络（GNN）在各种任务中表现出色。但是，最近的作品表明，GNNS容易受到后门攻击的影响。通常，后门攻击是通过将后门触发器和目标类标签附加到训练图中的一组节点来推销图形的 ...

在工业检查中，很少有射击异常检测（FSAD）是一项至关重要但具有挑战性的任务，在工业检查中，只有几个正常图像必须完成正常的分布建模。尽管现有方法通常采用多模式的基础模型，结合了语言和视觉方式来迅速引入异常检测，但这些方法通常需要复杂的及时及时工程和大量的手动调整。在本文中，我们证明了一个直接的邻居搜索框架可以超过单级和多级FSAD场景中的最先进性能 ...

计算机视觉的最新进展突出了各种任务中视觉 Transformer （VIT）的可扩展性，但是在平衡适应性，计算效率和建模高阶关系的能力方面仍然存在挑战。视觉图神经网络（VIGS）通过利用基于图的方法来提供替代方案，但受到用于边缘生成的聚类算法的计算瓶颈的阻碍。为了解决这些问题，我们提出了HyperGraph Vision Transformer（HGVT），该 Transformer （HGVT） ...

图像质量评估（IQA）着重于图像的感知视觉质量，在下游任务中起着至关重要的作用，例如图像重建，压缩和发电。多模式大语言模型（MLLM）的快速发展已显着扩大了IQA的范围，朝着全面的图像质量理解迈进，结合了内容分析，退化感知以及超出数值得分以外的比较推理。以前的基于MLLM的方法通常要么生成缺乏可解释性的数值分数，要么使用大规模注释的数据集在严重依靠监督的微调（SFT）来提供描述性评估，从而限制了其 ...

我们提出了通用目标音频分离（UNISEP），以解决不同类型音频的任意混合物的分离任务。与以前的研究区别开来，Unisep是在无限的源域和无限源源编号上进行的。我们将分离任务作为序列到序列问题提出，并使用大型语言模型（LLM）在离散潜在空间中对音频序列进行建模，从而利用LLM在使用大规模数据的复杂混合物中的功率来建模 ...

尽管大型语言模型（LLMS）具有支持众多现实世界应用并产生积极的社会影响的巨大潜力，但就隐私泄漏，幻觉输出和价值错误的固有风险而言，它们仍然面临重大挑战，可用于恶意用于产生有毒内容和囚禁后的有毒内容和不可思议的目的。因此，在这项调查中，我们对旨在减轻这些问题的最新进展进行了全面的综述，这些进步是在LLM开发和用法的四个阶段组织的：数据收集和培训，微调和调整，促进和推理，及时和推理，以及后处理和审核 ...

每千瓦时在电网上排放的CO $ _2 $的数量随着一天中的时间而变化，由于发电类型而差异很大。仓库比例计算机的联网收集有时称为高档计算，如果在不考虑这些碳强度的这些变化的情况下，发出的碳比需要更多的碳。本文介绍了Google用于碳智能计算管理系统，该系统通过延迟时间灵活的工作量来积极地最大程度地减少基于电力的碳足迹和电力基础设施成本 ...

几次学习的目的是学习一个可以从有限的支持数据中识别出具有标签的有限支持数据的分类器。该任务的一种常见实践是首先训练基础集上的模型，然后通过微调转移到新的类别（此处微调程序定义为将知识从基础转移到新数据，即，即 ...