尽管在常规机器学习中非常成功使用，但基于卷积的神经网络体系结构（认为在功能空间中是不一致的）在PDE的学习解决方案操作员的背景下被忽略了。在这里，我们提出了卷积神经网络的新颖适应性，以证明它们确实能够作为输入和输出处理功能。所得的架构被称为卷积神经操作员（CNOS），专门旨在保留其潜在的连续性，即使在计算机上以离散的形式实施也是如此 ...

大型语言模型（LLM）已成为自然语言处理的重要工具，在聊天机器人（例如Chatgpt和Gemini）中找到了大量用法，并且是研究的中心领域。一个特定的感兴趣领域包括设计专门针对这些AI应用的硬件，其中一个示例是神经处理单元（NPU）。 2023年，英特尔（Intel）与CODENAME Meteor Lake发布了Intel Core Ultra处理器，其中包括CPU，GPU和NPU System ...

严重的疾病沟通（SIC）在临终护理中面临挑战，例如情绪压力，文化障碍和诚实的希望。尽管它很重要，但临床医生可以实践SIC的少数可用方法之一是标准化患者，这是昂贵，耗时且不灵活的方法。在本文中，我们介绍了AI驱动的标准化患者模拟和自动反馈系统Sophie ...

大型语言模型（LLM）代理通过使用外部工具与环境进行交互，在各种应用程序中表现出显着的性能。但是，集成外部工具会引入安全风险，例如间接提示注射（IPI）攻击。尽管为IPI攻击设计了防御措施，但由于对适应性攻击的测试不足，它们的鲁棒性仍然值得怀疑 ...

视觉语言模型（VLMS）在各种多模式任务中取得了显着的成功，但是它们通常被有限的上下文窗口和处理高分辨率图像输入和视频的高计算成本所束缚。视力压缩可以通过减少视觉 Token 计数来减轻此问题。以前的方法用外部模块压缩视力 Token ，并迫使LLMS理解压缩方案，从而导致视觉信息丢失 ...

遥感对象检测（RSOD）在复杂的视觉环境中面临着巨大的挑战。天线和卫星图像固有地受到诸如低空间分辨率，传感器噪声，模糊的物体，低光降解和部分闭塞等局限性。这些降解因子共同损害了检测模型中的特征可区分性，从而导致了三个关键问题：（1）减少对比度，使前景 - 背景分离受阻，（2）边缘表示中的结构性不连续性，以及（3）由微置变化引起的模棱两可的特征响应 ...

在机器人技术中，定义技能学习的奖励功能一直是长期以来的挑战。最近，视觉模型（VLM）在定义机器人操纵技巧的奖励信号方面表现出了希望。但是，现有工作通常提供过于粗糙的奖励指导，从而导致学习过程不足 ...

聚合物是由许多相同或相似单体的共价键合构成的高分子重量化合物，因此它们的3D结构很复杂，但表现出难以兑现的规律性。通常，聚合物的性能，例如可塑性，电导率，生物兼容性等，与其3D结构高度相关。但是，现有的聚合物属性预测方法在很大程度上依赖于从聚合物微笑序列（p-smiles字符串）中学到的信息，同时忽略了关键的3D结构信息，从而导致了次优性能 ...