高级AI代理的快速发展以及这些代理的许多实例的迫在眉睫的部署将产生前所未有的复杂性的多代理系统。这些系统构成了新颖和探索不足的风险。在本报告中，我们通过确定基于代理人的激励措施以及七个关键风险因素（信息不对称，网络效应，选择压力，破坏动态的动态，承诺问题，新兴的机构和多代理机构的稳定，稳定的稳定，差异），通过确定三种关键失败模式（差异，冲突和勾结）来提供这些风险的结构化分类法 ...

时间序列之间的关系可以被利用为学习有效预测模型中的归纳偏见。在层次时间序列中，序列的子集之间的关系诱导了预测值的硬约束（分层电感偏见）。在本文中，我们提出了一种基于图的方法，以在时间序列预测深度学习的背景下统一关系和等级归纳偏见 ...

从弱标记的（例如，图像标签）学习语义分割是具有挑战性的，因为很难从稀疏的语义标签中推断致密的对象区域 ...

深度学习彻底改变了计算机视觉，但它使用深层网络体系结构取得了巨大的成功，这些网络体系结构主要是手工制作的，因此很可能次优。神经体系结构搜索（NAS）旨在通过遵循定义明确的优化范式来弥合这一差距，该优化范式在鉴于客观标准（例如最大分类精度），该优化范式系统地寻找最佳体系结构。但是，NAS的主要局限性是其天文学计算成本，因为它通常需要从头开始训练每个候选网络体系结构 ...

本文已在2024 D＆B曲目中接受。有害模因在中国互联网上激增，而研究中国有害模因的研究显着落后，因为没有可靠的数据集和有效的探测器。为此，我们专注于对中国有害模因的全面发现 ...

引用视频对象细分（RVO）的目的是基于文本描述整个视频中的目标对象。由于其在视频编辑和人类代理互动中的有希望的应用，该任务引起了计算机视觉领域的越来越多的关注。最近，推荐通过从验证的基础图像模型中调整对象级视力语言知识，在这项任务中表现出了令人鼓舞的表现 ...

由于这些机器人的非线性，混合和高维质，因此很难实时计算稳定和最佳的控制动作。系统的混合性质引入了离散和连续变量的组合，这导致了数值最佳控制问题的问题。为了应对这些挑战，我们提出了一个分层体系结构，该体系结构将离散变量的选择和平滑模型预测控制器（MPC）分开 ...

由于观察/动作维度和系统动力学的差异，概括具有不同形态的不同腿部机器人的运动策略是一个关键挑战。在这项工作中，我们提出了一个新型的统一框架，将形态 - 静态生成扩散模型与通过强化学习（RL）优化的轻量级残留策略相结合的新型统一框架。扩散模型从不同的跨体数据集中捕获了形态不变的运动模式，从而改善了概括和鲁棒性 ...