现有方法通过合并辅助一对多的分配来增强检测 Transformer 的训练。在这项工作中，我们将模型视为一个多任务框架，同时执行一对一和一对一的预测。我们研究了在这两个训练目标中，每个组件在 Transformer 解码器中的作用，包括自我注意力，交叉注意力和前馈网络 ...

尽管域的概括（DG）已经显着解决了由域移动引起的预训练模型的性能降低，但它通常在现实世界的部署中不足。使用未标记的测试数据调整了学习模型的测试时间适应（TTA）提出了有希望的解决方案。但是，大多数现有的TTA方法都难以在医学图像细分中实现强大的性能，这主要是因为它们忽略了医学图像固有的至关重要的先验知识 ...

大型语言模型（LLM）越来越需要生成在各种开放式应用程序中既准确又多样的文本。但是，当前的随机解码方法努力平衡此类目标。我们介绍了动态焦点解码（DFD），这是一种新颖的插件随机方法，可以解决这种权衡，而无需其他数据，知识或模型 ...

UAV-VLA（视觉语言动作）系统是一种工具，旨在促进与空中机器人通信。通过将卫星图像处理与视觉语言模型（VLM）和GPT的强大功能集成在一起，UAV-VLA使用户能够通过简单的文本请求生成一般的飞行路径和行动计划。该系统利用卫星图像提供的丰富上下文信息，可以增强决策和任务计划 ...

零射的立场检测（ZSSD）旨在识别文本对以前看不见的目标的立场，在这种情况下，由于依赖标记的数据和浅词汇提示，常规监督模型经常失败。受人类认知推理的启发，我们提出了认知归纳推理框架（CIRF），该框架从未标记的文本中抽象了可转移的推理模式，并将其编码为概念级逻辑。为了将这些模式与输入参数集成在一起，我们引入了一个模式增强的图形内核模型（SEGKM），该模型（SEGKM）动态地对齐本地和全局推理结构 ...

检索增强生成 (RAG) 通过启用动态信息检索来减少生成内容中的知识差距和幻觉，显着改进了大型语言模型 (LLM)。然而，这些系统经常因复杂的推理和不同查询的一致性而出现问题。在这项工作中，我们提出了 Think-on-Graph 2 ...

通过为用户和系统设计师提供解释以促进更好的理解和决策，可解释的建议是一个重要的研究问题。在本文中，我们提出了反事实可解释的建议（反），该建议从因果推论中获得了反事实推理的见解，以寻求解释建议。 Counter能够制定解释的复杂性和力量，并且采用反事实学习框架来寻求简单（低复杂性）和有效（高强度）的解释，以实现模型决策 ...

由于近年来城市地区的快速扩张，路边停车的管理变得越来越重要。为了减轻交通拥堵，在满足城市的各种需求的同时，基于绩效的定价方案受到了很多关注。但是，最近的一些研究表明，地点，时间和政策意识是驱动停车决策的主要因素 ...