使用人类反馈（RLHF）使用加强学习在微调扩散模型中显示出巨大的希望。先前的方法首先要训练与人类偏好保持一致的奖励模型，然后利用RL技术来微调基础模型。但是，制定有效的奖励模型需要广泛的数据集，最佳体系结构和手动超参数调整，从而使时间和成本密集 ...
知识图（kgs）存储了大量的关系事实，可为各种应用提供服务。最近，个性化知识图（PKG）已成为一种解决方案，可以通过自定义其内容以与用户在特定域中的特定兴趣保持一致来优化存储成本。在现实世界中，一方面，用户查询及其根本利益正在固有地发展，需要pkg持续适应；另一方面，在存储成本方面，总结通常会尽可能小 ...
时间序列的预测在各个领域中都很重要。特别是，诸如股票价格之类的财务时间序列可能很难预测，因为很难在数据点之间建模短期和长期的时间依赖性。卷积神经网络（CNN）擅长捕获用于建模短期依赖性的局部模式 ...
近年来，大型语言模型（LLMS）迅速发展，诸如Chatgpt和DeepSeek之类的模型展示了它们在不同领域的非凡功能。尽管已经对各个领域的LLM进行了大量研究，但重点是与计算机辅助设计（CAD）集成的全面审查仍然没有。 CAD是3D建模的行业标准，在不同行业的产品的设计和开发中起着至关重要的作用 ...
当前的RGB-D方法通常利用大规模的骨干来提高准确性，但牺牲效率。同时，几种现有的轻量级方法很难实现高精度性能。为了平衡效率和性能，我们提出了一个速度准确的权衡网络（SATNET），从三个基本角度来看，用于轻量级RGB-D SOD：深度质量，模态融合和功能表示 ...
现代软件中的原型计算机辅助设计（CAD）模型可能非常耗时。这是由于缺乏智能系统可以快速生成更简单的中间部分。我们提出了Text2CAD，这是第一个使用设计师友好的说明，用于所有技能水平的设计师友好的说明，用于生成文本到参数的CAD模型 ...
如今，许多公司都有各种类型的AI加速器，形成了异构群集。有效利用这些集群进行高通量大语模型（LLM）推理服务可以大大降低成本并加快任务处理。但是，LLM对异质簇的推断提出了两个主要挑战 ...
开发可以学会推理的模型是一个众所周知的具有挑战性的问题。我们专注于在关系领域的推理，在这种关系领域，使用图神经网络（GNN）似乎是自然的选择。但是，先前的工作表明，常规GNN缺乏从训练示例上系统地概括的能力，这需要更长的推理链，从根本上讲，这从根本上限制了其推理能力 ...
