虚拟竞价在两次结算的电力市场中发挥着重要作用，因为它可以减少日前市场和实时市场之间的差异。可再生能源的普及增加了电价的波动性，因此准确的预测对于虚拟投标人至关重要，从而减少不确定性并实现利润最大化。本研究提出了一种基于 Transformer 的深度学习模型，用于预测 ERCOT（德克萨斯州电力可靠性委员会）市场中实时电价与日前电价之间的价差 ...
多模态大型语言模型（MLLM）的快速发展促进了计算机视觉从专用模型向通用基础模型的转变。尽管如此，评估 MLLM 的低级视觉感知和理解能力仍然存在不足。为了解决这一差距，我们提出了 Q-Bench，这是一个整体基准，旨在系统地评估 MLLM 在三个领域的潜在能力：低级视觉感知、低级视觉描述和整体视觉质量评估 ...
大型语言模型 (LLM) 最近在一系列自然语言处理任务中推动了显着的性能改进。在预训练和指令调整过程中获得的事实知识可用于各种下游任务，例如问答和语言生成。与显式存储事实知识的传统知识库 (KB) 不同，LLM 隐式地将事实存储在其参数中 ...
我们研究语言模型（LM）的持续训练和监督微调（SFT），以有效利用长上下文信息。我们首先建立一个可靠的评估协议来指导模型开发——我们使用一组广泛的长上下文任务，而不是困惑或简单的大海捞针（NIAH）测试，并在 SFT 后使用指令数据评估模型因为这可以更好地揭示长上下文能力。在我们强大的评估的支持下，我们进行了彻底的实验来决定继续预训练的数据组合、指令调整数据集和许多其他设计选择 ...
大型语言模型是根据大量互联网数据进行训练的，这引发了人们的担忧和猜测，即他们已经记住了公共基准。从推测到具有挑战性的污染证明，因为模型模型使用的预训练数据通常无法实现公开访问。我们证明，需要访问预训练数据或模型权重，就可以为语言模型中的测试集污染提供可证明的保证... ...
训练集的质量和大小对基于深度学习的人脸相关任务的结果有很大影响。然而，收集和标记足够的高质量且均衡分布的样本仍然是一项费力且昂贵的工作，因此各种数据增强技术被广泛用于丰富训练数据集。在本文中，我们从转换类型和方法的角度系统地回顾了人脸数据增强的现有工作，并涉及最先进的方法 ...
近年来，文本属性图（TAG）的表示学习已成为一个关键的研究问题。 TAG 的一个典型示例是论文引用图，其中每篇论文的文本作为节点属性。初始图神经网络（GNN）管道通过将这些文本属性转换为浅层或手工制作的特征（例如skip-gram或词袋特征）来处理这些文本属性 ...
大型视觉语言模型 (LVLM) 为各种视觉语言任务提供了显着的优势。然而，阻碍它们在现实世界场景中应用的一个挑战，特别是在安全性、鲁棒性和可靠性方面，是它们有限的语义基础能力，这涉及将语言与图像中引用的物理世界实体或概念连接起来。因此，迫切需要进行全面的研究来评估广泛使用的 LVLM 的语义基础能力 ...
