对文本到图像扩散 Transformer 模型（DIT）的细粒度控制仍然是实际部署的关键挑战。尽管诸如Ominicontrol等最新进展已经实现了可控的不同控制信号，但在处理较长的条件输入时，这些方法遇到了明显的计算效率。我们提出了aminicontrol2，这是一个有效的框架，可实现有效的图像条件形象生成 ...

人类使用自然语言描述物理世界，以基于广泛的特性来指代特定的3D位置：视觉外观，语义，抽象关联或可行的负担。在这项工作中，我们建议语言嵌入式辐射字段（LERFS），这是一种从剪辑中嵌入语言嵌入语言嵌入的方法，例如剪辑到NERF中，这使这些类型的开放式语言查询能够在3D中进行。 LERF通过在训练射线上渲染夹子嵌入夹夹来学习NERF内部密集的多尺度语言字段，从培训视图中监督这些嵌入，以提供多视图一致性 ...

准确的运动预测对于安全自主驾驶（AD）至关重要。这项研究提出了COT-DRIVE，这是一种新颖的方法，通过利用大型语言模型（LLM）和一系列经营链（COT）提示方法来增强运动预测。我们引入了一种教师知识蒸馏策略，以有效地将LLMS的高级场景理解能力转移到轻量级语言模型（LMS），以确保COT-DRIVE实时在边缘设备上实时运行，同时保持全面的场景理解和概括能力 ...

我们提出了diffusionDet，这是一个新框架，它将对象检测制定为从噪声框到对象框的去噪扩散过程。在训练阶段，对象框从真实框扩散到随机分布，并且模型学习扭转这种噪声过程。在推理中，模型以渐进的方式将一组随机生成的框细化为输出结果... ...

先前的研究诊断了预先训练的语言模型（例如Bert，无需微调）的句子表示中的各向异性问题 ...

我们介绍了Meta Mlgym和Mlgym-Bench，这是一个新的框架和基准，用于评估和开发AI研究任务的LLM代理。这是第一个用于机器学习（ML）任务的健身房环境，为培训此类代理的增强学习（RL）算法提供了研究。 MLGYM基础由来自计算机视觉，自然语言处理，强化学习和游戏理论等不同领域的13种不同和开放式的AI研究任务组成 ...

潜在的游戏形成了一类非合作游戏，在许多实际情况下，可以保证单方面改进动态会融合。潜在的游戏方法已应用于各种无线网络问题，尤其是在各种渠道分配问题上。在本文中，引入了潜在游戏的属性，并全面讨论了被证明是潜在游戏的无线网络中的游戏 ...

在部署到现实世界条件时，无法看见的域的概括能力对于机器学习模型至关重要。我们研究了领域概括的具有挑战性的问题，即 ...