基于对车辆路由问题的分裂方法（VRP）的神经求解器，尤其是电容的VRP（CVRP），将实例的全球分区与每个子问题的局部结构集成在一起，以增强概括。但是，在全球分区阶段，子图中的杂物倾向于在基于学习的分区策略的多步解码过程中逐渐复合。尽管使用了最佳的局部结构，但在全球分区阶段的这种次优行为又可能导致总体分解系统的性能急剧恶化 ...

在这项研究中，我们通过描述定义和解决零拍摄的“真实”分类，这是一个新的任务，该任务评估了视觉模型（VLMS）（例如剪辑）之类的能力，例如剪辑，仅根据描述性属性对对象进行分类，不包括对象类名称。这种方法突出了VLM在理解复杂的对象描述中的当前局限性，将这些模型推向了仅仅是对象识别。为了促进这种探索，我们引入了一个新的挑战，并发布了六个流行的细粒基准的数据，该数据省略了对象名称，以鼓励研究社区内的真正 ...

在这项工作中，我们提出了一种结合对象检测模型的预测的新方法：加权框融合。我们的算法利用所有提出的边界框的置信度得分来构建平均框。我们在几个数据集上测试了方法，并在开放图像和可可对象检测轨道的上下文中对其进行了评估，从而在这些挑战中实现了最高的结果 ...

基于断言的验证（ABV）是确保设计电路符合其架构规范的关键方法，该规范通常在自然语言中进行描述。这个过程通常需要通过验证工程师将这些规格转换为功能验证断言的人类解释。从自然语言规范中生成断言的现有方法仅限于工程师提取的句子，而劝阻其实际应用 ...

端到端建设性神经组合优化的当前方法通常使用从专家解决方案或策略梯度方法克隆的行为来训练政策。虽然行为克隆很简单，但它需要昂贵的专家解决方案，而政策梯度方法通常在计算上要求且复杂。在这项工作中，我们通过在每个时期中使用当前模型对多个实例进行多个解决方案进行采样，然后选择最佳解决方案作为监督模仿学习的专家轨迹，从而简化了训练过程 ...

由于欺诈活动的复杂性和欺骗性，欺诈检测仍然是一项具有挑战性的任务。当前的方法主要集中于仅学习图的一个方面：图的拓扑结构或单个节点的属性。然而，我们进行的实证研究表明，这两类特征虽然几乎正交，但各自独立有效 ...

基于光解码器的求解器由于其效率和与增强学习算法的集成易于集成，因此在解决车辆路线问题（VRP）方面已获得了知名度。但是，他们经常在对更大的问题实例或不同VRP变体中的概括中挣扎。本文重新审视了基于光解码器的方法，分析了它们对静态嵌入及其固有挑战的依赖的含义 ...

现有的基于无监督蒸馏的方法依赖于编码和解码特征之间的差异来定位测试图像中的异常区域。但是，仅在普通样本上训练的解码器仍然可以重建异常贴片的特征，从而降低了性能。在无监督的多级异常检测任务中，此问题特别明显 ...