点完成是指从部分点云中完成对象缺失的几何形状。现有作品通常通过解码从输入点编码的潜在特征来估计缺失形状。但是，现实世界中的物体通常具有多种拓扑和表面细节，潜在特征可能无法代表以恢复清洁和完整的表面 ...

在本文中，我们通过使用自我发挥机制和多尺度特征融合来捕获多层次上下文信息来解决3D对象检测任务。大多数现有的3D对象检测方法单独识别对象，而无需对这些对象之间的上下文信息进行任何考虑。相比之下，我们建议多级上下文投票（MLCVNET）以最新的votenet为基础，以识别3D对象 ...

$ e（3）$  -  eproivariant神经网络已在各种3D建模任务中取得了成功。这些网络中的基本操作是张量产品，该产品以模棱两可的方式进行了两个几何特征以创建新功能。由于张量产品的计算复杂性很高，因此已经投入了大量精力来优化此操作的运行时 ...

在NLP领域，大型语言模型（LLMS）在各种任务中都显着提高了性能。但是，对LLM的全面评估仍然是社区的不可避免的挑战。最近，采用多项选择问答（MCQA）作为评估LLM的基准已获得了相当大的吸引力 ...

模拟是安全有效的自动驾驶开发的基石。以此为核心，一个模拟系统应产生现实，反应性和可控的流量模式。在本文中，我们提出了Prosim，这是一种多式联运迅速的闭环交通模拟框架 ...

检索增强发电（RAG）通过通过从外部来源检索证据纳入非参数知识来改善大语模型（LMS）。但是，它通常会努力滤除不一致且无关紧要的信息，这些信息可能会分散LM的任务。在用压缩模型压缩检索的证据旨在解决此问题的同时，压缩证据仍然不熟悉用于下游任务的目标模型，可能无法有效利用证据 ...

线性序列建模方法（例如线性注意力，状态空间建模和线性RNN）通过降低训练和推理的复杂性来提供显着提高效率的效率。但是，这些方法通常会将整个输入序列压缩到单个固定大小的内存状态中，从而导致召回密集型下游任务的次优性能。我们从神经科学中汲取灵感，尤其是大脑在减轻“记忆干扰”的同时保持健壮的长期记忆的能力，我们引入了一种新颖的建筑，称为Mimemories（MOM） ...

检索提示的一代（RAG）通过整合外部知识来提高事实准确性，但它引入了一个关键问题：错误或有偏见的检索会误导产生，更复杂的幻觉，这是一种现象，我们在幻觉上称呼幻觉。为了解决这个问题，我们提出了辩论的抹布（Drag），这是一个无训练的框架，将多代理辩论（MAD）机制集成到检索和发电阶段。在检索中，Drag在支持者，反对者和法官之间采用结构性辩论来完善检索质量并确保事实可靠性 ...