大型语言模型（LLM）正在催化科学发现的范式转变，从特定于任务的自动化工具变成了越来越多的自主代理，并从根本上重新定义了研究过程和人类AI协作。这项调查系统地绘制了这个新兴的领域，将LLMS在科学中不断变化的角色和不断提高的能力上提升的核心重点。通过科学方法的镜头，我们介绍了一个基础三级分类工具，分析师和科学家，以描绘其在研究生命周期内升级的自主权和不断发展的责任 ...
LLMS学习的最新进步在消除不必要的数据模型影响方面取得了巨大的成功，同时保留了模型的合法知识实用性。尽管有这些进步，但稀疏的Experts（MOE）LLMS（LLM家族的关键子集）在不学习的背景下仍未探索。由于Moe LLM因其出色的表现而受到庆祝，因此我们问：如何在Moe LLM上有效，有效地进行学习？我们的试点研究表明，MOE LLMS的动态路由性质引入了独特的挑战，从而导致过度遗忘，不受控 ...
随着大型多模式模型的出现，科学现在正处于基于AI的技术转型的一个门槛上。最近，已经提出了众多新的AI模型和工具，有望使全球研究人员和学者更有效，有效地进行研究。这包括研究周期的所有方面，特别是（1）寻找相关文献； （2）产生研究思想和进行实验；生成（3）基于文本的和（4）多模式内容（e ...
我们提出了SpatialTrackerv2，这是一种用于单眼视频的前馈3D点跟踪方法。我们的方法超越了用于3D跟踪的现成组件建立的模块化管道，我们的方法统一了点跟踪，单眼深度和摄像头姿势估计之间的内在连接成高性能和前进的3D点跟踪器。它将世界空间3D运动分解为场景几何，相机自我动作和像素对象运动，具有完全可区分的端到端体系结构，可以在各种数据集中进行可扩展的训练，包括合成序列，构成的RGB-D视频 ...
我们提出了一种可扩展的方法，用于学习开放世界对象目标导航（ObjectNav） - 要求虚拟机器人（代理）在未探索的环境中找到对象的任何实例（例如，“查找接收器”） ...
代码完成是大型语言模型（LLM）在软件工程中的突出应用。由于此任务的近乎实时响应要求，通常使用具有中小型参数的基本模型，并补充了各种优化和训练后技术。但是，这些优化方法通常具有权衡取舍，从而导致了Seesaw效应，在某些数据集或指标上的性能改进伴随着其他人的降解 - 有时甚至低于基线模型的性能 ...
磁性Weyl Semimetal Co $ _3 $ sn $ _2 $ s $ _2 $中的多个结晶终端显示出独特的拓扑表面状态和微不足道的表面状态，这些状态已成功地进行了实验区分。但是，已知纯终止模型是不足的，因为这些表面表现出高度的空间异质性和点障碍。在这里，我们使用光发射测量与核心水平的第一原理计算相结合，对表面化学和表面电子结构进行了光谱显微镜研究 ...
多模式大型语言模型（MLLM）在各种视觉的任务中都表现出了很强的性能，但是它们的内部处理动力仍然没有得到充实的态度。在这项工作中，我们引入了一个探测框架，以系统地分析MLLM如何处理跨层的视觉和文本输入。我们训练线性分类器以预测细粒的视觉类别（e ...
