互联网是现代生活不可或缺的，影响了全球的沟通，业务和生活方式。随着互联网服务的依赖增长，对高质量服务交付的需求增加。服务提供商必须保持高标准的服务质量和经验质量（QOE），以确保用户满意度 ...

大型语言模型（LLMS）在各种NLP任务中实现最先进的性能，但由于高计算成本和内存限制，面临部署挑战。知识蒸馏（KD）是一个有前途的解决方案，将知识从大型教师模型转移到较小的学生模型。但是，现有的KD方法通常假设共享的词汇和象征器，从而限制了它们的灵活性 ...

尽管大型语言模型（LLM）的安全性得到广泛的提高，但由熟练的人类对手制作的多转弯“越狱”对话即使是最复杂的护栏仍然可能违反。但是，这些多转弯攻击需要大量的手动努力，从而限制了它们的可扩展性。在这项工作中，我们介绍了一种名为多转弯转弯（M2S）的新颖方法，该方法系统地将多转弯的越狱提示转换为单转攻击 ...

最近，后门攻击对深神经网络（DNNS）的培训过程构成了新的安全威胁。攻击者打算将隐藏的后门注入DNN中，以使攻击模型在良性样本上的性能良好，而如果攻击者定义的触发器激活隐藏的后门，则其预测将发生恶意更改。现有的后门攻击通常采用触发器是样本不可能的设置，$ i ...

我们在称为docvqa的文档图像上提出了一个用于视觉问题回答（VQA）的新数据集。该数据集由12,000多个文档图像中定义的50,000个问题组成。与VQA和阅读理解的类似数据集相比，数据集对数据集的详细分析 ...

在本文中，我们提出了一种基于学习的方法，以自动提取杂乱的人造环境图像的“线框”表示。线框（见图1）包含所有显着的直线及其在有效，准确地编码大型几何形状和对象形状的场景的连接处 ...

模型合并引起了人们的重大关注，作为模型重复使用的强大范式，促进了特定于任务模型的整合到具有多种功能的奇异，多功能框架中。先前的研究主要利用了体重平均（WA）等方法，表明模型合并可以有效利用预验证的模型而无需经济锻炼。但是，模型之间的固有异质性对其适用性构成了很大的限制，尤其是在面对模型体系结构中的差异时 ...

自然语言到可视化（NL2VIS）任务旨在将自然语言描述转换为接地表的视觉表示形式，从而使用户能够从大量数据中获得见解。最近，已经为NL2VI开发了许多基于深度学习的方法。尽管这些方法做出了巨大的努力，但挑战仍在可视化来自看不见的数据库或跨越多个表的数据 ...