多标签分类对于全面的图像理解至关重要，但是获取准确的注释具有挑战性且昂贵。为了解决这个问题，最近的一项研究表明，利用无监督的多标签分类利用夹子，这是一个强大的视觉语言模型。尽管剪辑的熟练程度，它仍遭受了依赖视图的预测和固有的偏见，从而限制了其有效性 ...

复杂的表问题回答（TQA）旨在回答需要复杂推理的问题，例如多步或多类别推理，而不是表格形式表示的数据。以前的方法通过利用封闭式源说明大语模型（LLM）或微调的开放式LLM来表现出显着的性能。但是，微调LLM需要高质量的培训数据，这是昂贵的，并利用封闭源LLMS构成可访问性挑战，并导致可重复性问题 ...

在高能粒子物理学的背景下，展开是指消除实验数据中检测器畸变的过程。所得的展开测量值直接用于实验和各种理论预测之间的直接比较。几十年来，流行的展开策略旨在以一个或多个BINNED直方图格式进行操作 ...

与密集模型相比，专家混合（MOE）语言模型可以将计算成本降低2-4$ \ times $，而不会牺牲性能 ...

基于密集的嵌入文本检索$ \ unicode {x2013} $通过深度学习编码从语料库中检索$ \ unicode {x2013} $已成为一种有力的方法，即获得最先进的搜索结果并普及使用增强生成（RAG）。尽管如此，与其他搜索方法一样，基于嵌入的检索可能会受到搜索引擎优化（SEO）攻击的影响，在这种攻击中，对手通过向Corpora引入对抗性段落来促进恶意内容。为了忠实地评估并洞悉此类系统对SE ...

我们介绍了行动链（COA），这是一种基于轨迹自回旋建模建立的新型视觉运动策略范式。与传统的方法预测下一步动作的传统方法不同，COA通过通过动作级别的思想链（COT）过程明确地向后推理来生成整个轨迹。该过程在单个自回归结构中统一：（1）第一个 Token 对应于编码特定于任务目标的稳定的密钥帧动作； （2）随后的操作 Token 是根据初始密钥框架和先前预测的操作生成自动进程的 ...

自动疾病诊断在临床实践中越来越有价值。大型语言模型（LLM）的出现催化了人工智能的范式转变，越来越多的证据支持LLMS在诊断任务中的疗效。尽管该领域的关注越来越多，但仍然缺乏整体观点 ...

对社会出现的研究长期以来一直是社会科学的核心重点。传统的建模方法，例如基于规则的代理模型（ABM），难以捕获人类行为的多样性和复杂性，尤其是行为经济学强调的非理性因素。最近，大型语言模型（LLM）代理人已获得吸引人的仿真工具，用于建模社会科学和角色扮演应用中的人类行为 ...