本文解决了从稀疏多视频视频中快速重建动态人类的免费视频视频的挑战。最近的一些作品代表了动态人类作为规范神经辐射场（NERF）和运动场的动态人，通过可区分的渲染从视频中学到了运动场。但是，每场现场优化通常需要数小时 ...

本文介绍了Aloja-Machine学习（Aloja-ML）的Aloja项目扩展，该项目使用机器学习技术来解释Hadoop基准的性能数据和性能调整；在这里，我们详细说明了该方法，模型的功效和初始结果。 Hadoop提出了一个复杂的执行环境，其中成本和性能取决于大量软件（SW）配置以及多个硬件（HW）部署选择。这些结果伴随着测试床和工具，用于部署和评估不同硬件配置，参数调谐和云服务的成本效益 ...

在音乐推荐系统中，多模式兴趣学习是关键的，它允许模型捕获细微的偏好，包括文字元素，例如歌词和各种音乐属性，例如不同的乐器和旋律。最近，通过语义ID结合多模式内容特征的方法已取得了令人鼓舞的结果。但是，现有方法受到了两个关键局限性：1）模式内语义降解，基于残差的量化过程逐渐将离散ID与原始内容语义分离，从而导致语义漂移； 2）模型间建模间隙，传统的融合策略要么忽略了模态特定的细节或无法捕获跨模式相关 ...

大型语言模型（LLMS）在广泛的NLP任务中表现出了令人印象深刻的功能，但是它们在根本上仍然无状态，受到阻碍长期推理的有限上下文窗口的限制。最近解决此限制的最新努力通常会通过外部记忆库来增加LLM，但是大多数现有的管道都是静态和启发式驱动的，缺乏确定要存储，更新或检索的内容的任何学识机制。我们提出了Memory-R1，这是一种增强学习（RL）框架，它使LLMS具有通过两种专用代理来积极管理和利用外 ...

近年来，已经出现了众多开源基础模型，在一些广泛参加的领域取得了显着的进步，其性能非常接近封闭源模型。但是，在高价值但更具挑战性的科学专业领域中，这些领域仍然依赖专家模型，或者与流行地区的一般基础模型的进步显着落后，远远不足以改变科学研究并在这些科学领域中的开源模型和封闭的模型之间存在很大的差距。为了减轻这一差距并探索迈向人工通用情报（AGI）的一步，我们介绍了Intern-S1，这是一位专门的通用 ...

几次学习中交错的大型多模型模型（LMM）的最新成功表明，具有许多示例的文化学习（ICL）可以有望学习新任务。但是，这种多型多模式ICL设置有一个关键问题：它从根本上受到模型的上下文长度的限制。该问题在多模式域中尤为突出，该域处理文本和图像，需要其他 Token  ...

大型视觉模型（LVLM）将视觉信息整合到大语言模型中，展示了显着的多模式对话能力。但是，视觉模块在LVLM的鲁棒性方面引入了新的挑战，因为攻击者可以制作视觉上清洁但可能误导模型以产生错误的答案的对抗图像。通常，LVLMS依靠视觉编码将图像转换为视觉 Token ，这对于语言模型至关重要，以有效地感知图像内容 ...

本文探讨了使大语模型（LLM）更像人性化的进步。我们专注于AI系统中增强自然语言理解，对话连贯性和情绪智力的技术。该研究评估了各种方法，包括使用多种数据集进行微调，结合了心理原理，并设计了更好地模拟人类推理模式的模型 ...