在2019年和2020年NEURIPS上的IARAI Traffic4Cast竞赛表明，神经网络可以成功地预测未来1小时的未来交通状况，仅在时间和太空垃圾箱中汇总的GPS探测数据。因此，我们重新解释了预测流量条件作为电影完成任务的挑战。 U-Nets被证明是获胜的体系结构，表明在这个复杂的现实世界地理空间过程中提取相关功能的能力 ...

质谱（MS）是化学分析的重要技术，它为样品计算高尺寸直方直方图样光谱。 MS数据处理的关键步骤是峰采摘，该峰选择选择了峰值，其中包含有关MS研究中感兴趣的高浓度分子的信息。我们提出了一个基于稀疏编码算法的峰采摘的新过程 ...

我们提出了一个新的问题集，文本语料库和基线，以鼓励AI研究中的AI研究。这些共同构成了AI2推理挑战（ARC），该挑战需要比以前的挑战（例如小队或SNLI）更强大的知识和推理。 ARC问题集分为挑战集和一个简单的集合，其中挑战集仅包含基于检索的算法和单词共存在算法错误回答的问题 ...

组成零摄入学习（CZSL）旨在从所见的构图中学习视觉概念（即属性和对象），并将概念知识结合到看不见的构图中 ...

大型语言模型（LLMS）在提供可扩展的心理健康支持方面表现出了希望，同时评估其咨询能力对于确保疗效和安全性仍然至关重要。现有评估受到静态评估的限制，该评估的重点是知识测试，以用户体验为中心的单一观点以及缺乏可行反馈的开环框架。 To address these issues, we propose {\Psi}-Arena, an interactive framework for compreh ...

大型语言模型（LLM）被广泛采用，以生成用于各种自然语言处理（NLP）任务的合成数据集，例如文本分类和摘要。但是，准确地衡量这些合成数据集的多样性 - 对于健壮的模型性能 - 捕获至关重要的方面是一个重大挑战。在本文中，我们介绍了DCScore，这是一种从分类的角度测量合成数据集多样性的新方法 ...

被阻塞的人重新识别（REID）是一项公制的学习任务，涉及根据其外观匹配被遮挡的人。尽管许多研究已经解决了由物体引起的遮挡，但多人闭塞的探索仍然较少。在这项工作中，我们确定并解决了先前遮挡的REID方法所忽略的关键挑战：当在同一边界框中可见多个个体时，出现的多人模棱两可（MPA），使得无法确定候选人中预期的REID目标 ...

目的：在癌症手术期间准确对组织边缘进行分类，对于确保完全去除肿瘤至关重要。快速蒸发电离质谱法（REIMS）是一种实时术中边缘评估的工具，生成了需要机器学习模型来支持临床决策的光谱。但是，在手术环境下标记的数据的稀缺提出了重大挑战 ...