大型语言模型（LLMS）通常在可视化任务中遇到的努力，例如绘制图，图表，成功取决于代码正确性和视觉语义。现有的指令调查数据集缺乏执行的监督，并为迭代代码校正提供了有限的支持，从而导致脆弱且不可靠的情节生成。我们提出了Viscode-200k，这是一种用于基于Python的可视化和自我纠正的大规模指令调整数据集 ...

作为信息提取（IE）的重要任务，事件事件因果关系提取（ECRE）旨在识别和分类自然语言文本中事件提及之间的因果关系。但是，现有对ECRE的研究强调了两个关键挑战，包括缺乏文档级建模和因果幻觉。在本文中，我们提出了一种知识引导的二进制问题回答（KNOWQA）方法，其中包括ECRE的事件结构，由两个阶段组成：事件结构构建和二进制问题回答 ...

与许多领域（例如医疗保健，公共政策或经济学），估计个人对干预措施的潜在反应具有很高的实际相关性。在这种情况下，通常可以同时采用干预措施的组合，例如，医疗保健或经济学的不同财政和货币措施中的多个处方。但是，现有的反事实推断方法仅限于不同时使用操作的设置 ...

我们介绍了Banc，这是一种神经双耳音频编解码器，旨在在单一和两扬声器场景中有效的语音压缩，同时保留每个说话者的空间位置信息。我们的关键贡献如下：1）我们提出的模型压缩和解码演讲重叠的能力。 2）一种新颖的结构，可分别压缩语音内容和空间提示，确保解码后每个说话者的空间环境保存 ...

我们引入了一种新的基于神经网络的持续学习算法，被称为不确定性调节的持续学习（UCL），该算法基于传统的贝叶斯在线学习框架，并具有变异推理。我们专注于最近提出的基于正规化的方法的两个重要缺点：a）确定每次重量正规化强度的额外记忆成本，b）缺乏优雅忘记的方案，这可以防止在学习新任务中的绩效退化。在本文中，我们表明UCL可以通过对高斯平均场近似值的变异下限的Kullback-Leibler（KL）发散项 ...

我们介绍了克罗内克（Kronecker）的在线拉普拉斯（Laplace）近似，以克服神经网络中的灾难性遗忘。该方法基于贝叶斯在线学习框架，在该框架中，我们在每项任务后都会递归地将后部近似于高斯，从而导致重量变化的二次惩罚。拉普拉斯的近似需要在一种模式周围计算黑森州，这通常在现代体系结构上很棘手 ...

灾难性遗忘是神经网络的一个问题，它在训练第二任任务后失去了第一个任务的信息。在这里，我们提出了一种方法，即 ...

空间引用是体现机器人与3D物理世界相互作用的基本能力。但是，即使有了强大的审慎视觉语言模型（VLM），最近的方法仍然没有资格准确地了解复杂的3D场景，并动态地了解指令指示的互动位置。为此，我们提出了Roborefer，Roborefer是一种3D感知的VLM，可以通过监督的微调（SFT）整合散布但专用的深度编码器，首先可以实现精确的空间理解 ...