The Why, When, and How to Use Active Learning in Large-Data-Driven 3D Object Detection for Safe Autonomous Driving: An Empirical Exploration 
自主驾驶数据集中3D对象检测的主动学习策略可能有助于解决数据不平衡，冗余和高维数据的挑战。我们证明了熵查询以选择信息丰富的样本的有效性，旨在降低注释成本并提高模型性能。我们使用BEVFusion模型在Nuscenes数据集上使用BEVFusion模型进行3D对象检测，将主动学习与随机抽样进行比较，并证明在大多数情况下，熵查询的表现优于表现 ...
0 0 0 2025/08/30 arXiv:2401.16634v1 15021163060
$K^2$VAE: A Koopman-Kalman Enhanced Variational AutoEncoder for Probabilistic Time Series Forecasting 
概率时间序列预测（PTSF）在包括经济学，能源和运输在内的各个领域的决策中起着至关重要的作用。大多数现有的方法在短期预测中出色，同时忽略了长期概率时间序列预测的障碍（LPTSF）。随着预测范围的扩展，固有的非线性动力学对预测准确性产生了重大不利影响，并通过增加每次迭代的成本来使生成模型效率低下 ...
0 0 0 2025/08/30 arXiv:2505.23017v3 betask
Jailbreaking to Jailbreak 
大型语言模型（LLM）可用于红色团队其他模型（例如越狱），以引起有害内容 ...
0 0 0 2025/08/30 arXiv:2502.09638v2 lurenv
Multiple Physics Pretraining for Physical Surrogate Models 
我们引入了多种物理学预处理（MPP），这是一种自回归的任务无义方法预处理方法，用于使用 Transformer 对时空系统的物理替代建模。在MPP中，我们没有在特定物理系统上训练一个模型，而是训练骨干模型，以同时预测多个异质物理系统的动态，以学习在系统中广泛有用并促进传输的功能。为了在这种情况下有效学习，我们引入了共享的嵌入和归一化策略，将多个系统的字段投射到共享的嵌入空间中 ...
0 0 0 2025/08/30 arXiv:2310.02994v2 maxwill
GEPS: Boosting Generalization in Parametric PDE Neural Solvers through Adaptive Conditioning 
求解参数偏微分方程（PDE）由于时空动力学对PDE参数变化的敏感性，对数据驱动方法提出了重大挑战。机器学习方法通​​常难以捕获这种可变性。为了解决这个问题，数据驱动的方法通过对具有不同PDE参数的各种轨迹进行采样来学习参数PDE ...
0 0 0 2025/08/30 arXiv:2410.23889v2 maxwill
Automatic Generation of Inference Making Questions for Reading Comprehension Assessments 
推论是阅读理解（RC）的必不可少但复杂的技能。某些推论需要跨句子解决参考文献，有些推论则依靠使用先验知识来填写未明确写入文本中的细节。诊断RC问题可以帮助教育者为学龄学生提供更有效和有针对性的阅读教学和干预措施 ...
0 0 0 2025/08/30 arXiv:2506.08260v1 瓶子
A Survey on Segment Anything Model (SAM): Vision Foundation Model Meets Prompt Engineering 
由Meta AI研究开发的任何模型（SAM）的细分市场代表了计算机视觉的重大突破，为图像和视频细分提供了强大的框架。这项调查对包括Sam和Sam 2在内的SAM家族进行了全面探索，强调了它们在粒度和上下文理解方面的进步。我们的研究表明，SAM在广泛的应用中的多功能性，同时识别需要改进的领域，尤其是在需要高粒度和没有明确提示的情况下 ...
0 0 0 2025/08/30 arXiv:2306.06211v4 chenhualin
Exploring the Dynamic Scheduling Space of Real-Time Generative AI Applications on Emerging Heterogeneous Systems 
生成AI模型（尤其是大型语言模型（LLM））集成到实时多模型AI应用程序（例如视频会议和游戏）中，正在引起新的工作负载类别：实时生成AI（RTGEN）。这些工作负载将生成模型的计算强度和动态执行模式与实时推理的严格延迟和并发约束结合在一起。为了满足RTGEN工作负载的各种需求，现代边缘平台越来越多地采用了整合CPU，GPU和NPU的异质系统片（SOC）体系结构 ...
0 0 0 2025/08/30 arXiv:2507.14715v1 magicp

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）