特定领域的视觉文档理解（VRDU）提出了重大挑战，这是由于文档在医学，金融和材料科学等领域的复杂性和敏感性。现有的大型（多模式）语言模型（LLMS/MLLM）取得了令人鼓舞的结果，但是面对面的限制，例如幻觉，域的适应不足以及依赖广泛的微调数据集。本文介绍了Syndoc，这是一个新颖的框架，结合了歧视性和生成性模型来应对这些挑战 ...
在大量大数据的帮助下，深度学习在众多领域取得了巨大的成功。但是，数据标签的质量是一个问题，因为在许多实际情况下缺乏高质量的标签。由于嘈杂的标签严重降低了深神经网络的概括性能，因此从嘈杂的标签中学习（强大的培训）正在成为现代深度学习应用中的重要任务 ...
深度神经网络需要大量标记的数据才能实现良好的性能。在现实世界应用中，标签通常是从诸如众包以节省成本的非专家中收集的，因此很嘈杂。在过去的几年中，已经开发了用于处理嘈杂标签的深度学习方法，其中许多是基于小损失标准 ...
最先进的（SOTA）文本到SQL方法仍然显着落后于人类在诸如Bird等挑战基准方面的专家。探索测试时间扩展的当前方法缺乏精心策划的策略，并且忽略了模型的内部推理过程。为了弥合这一差距，我们介绍了Agent-Scale-SQL，这是一个新型框架，利用可扩展的计算来提高性能 ...
航空视觉和语言导航（VLN）是一项新的任务，使无人机（UAVS）通过自然语言说明和视觉提示在户外环境中导航。由于户外空中场景中复杂的空间关系，它仍然具有挑战性。在本文中，我们提出了一个用于空中VLN任务的端到端的零拍框架，其中引入了大型语言模型（LLM）作为行动预测的代理 ...
尽管小组卷积网络能够根据对称模式学习强大的表示，但它们缺乏了解它们之间有意义的关系的明确手段（例如，相对位置和姿势） ...
最近，学习模棱两可的表示引起了相当大的研究关注。 Dieleman等人引入了四个操作，可以将其插入CNN，以学习对旋转的深度表示 ...
最近在理解紫外线摄动理论的性质上取得了很大的进步，并与$ 2D $的$ 2D $ intectable Field Theories借助肾小球奇异性。多亏了Bethe Ansatz和大型$ N $技术，还可以计算非扰动校正，并导致在存在化学势能的情况下自由能重建自由能。这是测试QFT中复兴的理想舞台，并确定仅从扰动序列的知识中重建确切结果是否以及如何重建 ...
