大型基于语言模型的多代理系统最近由于其对复杂，协作和智能解决问题的能力的潜力而受到了极大的关注。现有的调查通常根据其应用域或架构对基于LLM的多代理系统（LLM-MAS）进行分类，从而忽略了通信在协调代理行为和交互中的核心作用。为了解决这一差距，本文从以沟通为中心的角度介绍了对LLM-MA的全面调查 ...
随着大语言模型（LLM）中新型能力的快速出现，对整合的严格多语言和多元文化基准的需求变得更加明显。尽管现有的LLM基准能够评估LLM在英语以及各种中途至低资源语言中的特定功能，包括东南亚（SEA）地区的语言，但迄今为止尚未开发出海洋语言的全面和文化代表性评估套件。在这里，我们介绍了一家整体语言和文化LLM评估套件，该套件强调了海语，包括五个核心支柱：（1）NLP经典，（2）LLM特异性，（3）海语 ...
医学图像中的精确异常检测对于临床决策至关重要。虽然最近在大规模正常数据中训练的无监督或半监督的异常检测方法显示出令人鼓舞的结果，但它们缺乏细粒度的分化，例如良性肿瘤与恶性肿瘤 ...
Mel-Filterbank是固定的，工程设计的音频功能，这些功能模仿了人类的感知，并已通过到当今的音频理解历史上使用。但是，他们的不可否认的品质与手工表示的基本限制相抵消。在这项工作中，我们表明我们可以训练一个可学习的前端，该前端在广泛的音频信号上胜过Mel-Filterbanks，包括语音，音乐，音频事件和动物声音，为音频分类提供了通用的学习前端 ...
这项工作解决了十亿级最近的邻居搜索的问题。十亿个数据库的最新检索系统目前基于倒数多数指数，即最近提出的倒置索引结构的概括。多指数提供了特征空间的非常细粒度的分区，该分区允许为搜索查询提取简洁明了的候选人 ...
索引是模型：可以将B-Tree索引视为模型，以映射出排序阵列中记录位置的键，Hash-Index作为模型，将记录键映射到未分类数组中的记录位置，以及一个模型作为模型，以指示数据记录是否存在。在这篇探索性研究论文中，我们从这个前提开始，并认为所有现有的索引结构都可以用其他类型的模型（包括深度学习模型）代替，我们认为这些模型学到了索引。关键思想是模型可以学习查找键的排序顺序或结构，并使用此信号有效预测 ...
近年来，机器人主义者通过利用高容量 Transformer 网络架构和生成扩散模型来解决灵巧机器人硬件的越来越一般任务取得了显着的进步。不幸的是，将这两个正交改进结合起来已被证明是令人惊讶的，因为没有明确且妥善理解的过程来做出重要的设计选择。在本文中，我们确定，研究和改善了高容量扩散 Transformer 政策的关键建筑设计决策 ...
数据Shapley提供了一个原则上的框架，用于将数据贡献归因于机器学习环境。但是，现有的方法需要对不同数据子集进行重新训练模型，这在计算密集型集中取消了其对大规模模型的应用。此外，它们为通过运行学习算法产生的任何模型产生相同的归因分数，这意味着他们无法对从算法的单个运行中获得的特定模型执行有针对性的归因 ...
