A comprehensive review of Binary Neural Network 
深度学习（DL）最近改变了智能系统的开发，并在许多现实生活中广泛采用。尽管具有各种好处和潜力，但在不同的计算有限和能源约束的设备中，对DL处理的需求很高。自然研究改变游戏规则的技术，例如二进制神经网络（BNN），以提高深度学习能力 ...
0 1 0 2025/04/21 arXiv:2110.06804v4 zhangpiu
Optimizing Compound Retrieval Systems 
现代检索系统不依赖单个排名模型来构建其排名。取而代之的是，他们通常采用级联方法，其中在多个重新排列阶段应用一系列排名模型。因此，他们通过限制每个模型重新升级的文档数量来平衡TOP-K排名的质量和计算成本 ...
0 0 0 2025/04/21 arXiv:2504.12063v1 13361168647
DrugAgent: Multi-Agent Large Language Model-Based Reasoning for Drug-Target Interaction Prediction 
药物再利用通过识别现有药物的新治疗潜力，为加速药物开发提供了一条有前途的途径。在本文中，我们提出了一个多代理框架，利用最先进的机器学习技术和知识整合来增强药物再利用过程。我们的框架由几个专门的代理组成：人工智能代理训练强大的药物靶标相互作用（DTI）模型；知识图代理利用药物基因相互作用数据库（DGIdb）、DrugBank、比较毒理学基因组数据库（CTD）和化学品相互作用搜索工具（STITCH）系 ...
0 0 0 2025/04/21 arXiv:2408.13378v4 chaojijiayou
WeatherGS: 3D Scene Reconstruction in Adverse Weather Conditions via Gaussian Splatting 
3D高斯（3DG）（3DGS）对3D场景重建引起了极大的关注，但仍然患有复杂的户外环境，尤其是在不利的天气下。这是因为3DGS将由于不利天气作为场景的一部分而造成的文物，并将直接重建它们，从而在很大程度上降低了重建场景的清晰度。为了应对这一挑战，我们提出了Weathergs，这是一个基于3DGS的框架，用于在不同的天气条件下重建多视图图像的清晰场景 ...
0 0 0 2025/04/21 arXiv:2412.18862v3 ajplus
Two Tasks, One Goal: Uniting Motion and Planning for Excellent End To End Autonomous Driving Performance 
近年来，端到端的自动驾驶取得了令人印象深刻的进步。前端到端的自动驾驶方法通常会使计划和运动任务脱致，将其视为单独的模块。这种分离忽略了计划在运动任务中遇到的分布数据外的潜在利益 ...
0 0 0 2025/04/21 arXiv:2504.12667v1 布朗瓶
PaGE-Link: Path-based Graph Neural Network Explanation for Heterogeneous Link Prediction 
透明度和问责制已成为黑盒机器学习（ML）模型的主要问题。对模型行为的适当解释提高了模型透明度，并帮助研究人员开发更多负责任的模型。图形神经网络（GNN）最近在许多图ML问题中表现出优于传统方法的表现出色，并且解释它们引起了人们的兴趣增加 ...
0 0 0 2025/04/21 arXiv:2302.12465v3 CG_Z
Deformable Radial Kernel Splatting 
最近，高斯脱落成为代表3D场景的强大技术，实现了实时的栅格化和高保真渲染。然而，高斯固有的径向对称性和平滑度约束限制了它们表示复杂形状的能力，通常需要数千个原始素才能近似详细的几何形状。我们引入了可变形的径向内核（DRK），该核（DRK）扩展到更通用和灵活的框架中 ...
0 0 0 2025/04/21 arXiv:2412.11752v2 gaoming1
Timer-XL: Long-Context Transformers for Unified Time Series Forecasting 
我们推出了 Timer-XL，这是一个用于统一时间序列预测的生成式 Transformer。为了统一预测 1D 和 2D 时间序列，我们将主要用于 1D 序列因果生成的下一个标记预测推广为多变量下一个标记预测。所提出的范例将各种预测场景统一表述为长上下文生成问题 ...
0 0 0 2025/04/21 arXiv:2410.04803v4 tw5486

来一起翻译吧！


为了您和其他读者获得更好的阅读体验，请您勇敢地改进翻译，特别是一些显而易见的机器翻译错误。


虽然我们追求卓越，但我们并不要求翻译十全十美，因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译，您不必担心会因为您的失误导致无法挽回的破坏。（改编自维基百科）