弱监督目标检测的最新进展的特点是多实例检测网络（MIDN）和序数在线细化的结合。然而，仅使用图像级注释，MIDN 在生成伪标签时不可避免地会给一些意想不到的区域建议分配高分。这些不准确的高分区域建议将误导后续细化模块的训练，从而阻碍检测性能 ...

这封信提出了通信限制下多机器人探索的完整框架“会议-合并-任务”。考虑到现实世界中通信的带宽和范围都受到限制，我们提出了一种轻量级的环境呈现方法和高效的协作探索策略。对于较低的带宽，每个机器人利用特定的多面体来维护自由空间和超前沿信息（SFI）作为探索决策的来源 ...

开放集识别（OSR）要求模型对属于封闭集的样本进行分类，同时在测试过程中拒绝未知样本。目前，生成模型在 OSR 中通常比判别模型表现更好，但最近的研究表明，生成模型在复杂任务上可能在计算上不可行或不稳定。在本文中，我们提供了对 OSR 的见解，并发现学习补充表示理论上可以降低开放空间风险 ...

域外（OOD）意图发现和广义意图发现（GID）的任务旨在将封闭意图分类器扩展到开放世界意图集，这对于面向任务的对话（TOD）系统至关重要。以前的方法通过微调判别模型来解决这些问题。最近，虽然一些研究一直在探索以 ChatGPT 为代表的大语言模型（LLM）在各种下游任务中的应用，但 ChatGPT 发现并逐步扩展 OOD 意图的能力仍不清楚 ...

我们介绍 galmoss，一种基于 Python 的、火炬驱动的工具，用于二维拟合星系轮廓。通过无缝启用 GPU 并行化，galmoss 满足了大规模星系调查的高计算需求，将星系轮廓拟合置于 LSST 时代。它包含广泛使用的配置文件，例如 Sérsic、指数盘、费雷尔、King、高斯和莫法特配置文件，并允许轻松集成更复杂的模型 ...

人工智能（AI）在科学领域的广泛应用为发现和创新提供了前所未有的机遇。然而，这种增长并非没有风险。科学中的人工智能模型如果被滥用，可能会放大产生有害物质或规避既定法规等风险 ...

我们提出了一种新颖的参数高效微调（PEFT）方法，称为低阶自适应自适应冻结（AFLoRA）。具体来说，对于每个预训练的冻结权重张量，我们添加可训练低秩矩阵的并行路径，即下投影和上投影矩阵，每个矩阵后跟一个特征变换向量。基于一种新颖的冻结分数，我们在微调过程中逐步冻结这些投影矩阵，以减少计算量并缓解过度拟合 ...

关键的对象检测任务是微调现有模型以检测新对象，但标准工作流程需要边界框注释，收集起来既耗时又昂贵。弱监督对象检测（WSOD）提供了一种有吸引力的替代方案，可以使用图像级标签来训练对象检测器。然而，当前 WSOD 模型的实际应用受到限制，因为它们仅在小数据规模下运行，并且需要多轮训练和细化 ...