数据集量表的快速增长一直是进步深度学习研究的关键驱动力。但是，随着数据集量表的增加，由于存在低价值样本，包括过多的冗余样本，过度挑战的样本和轻松的样本，训练过程越来越低效率，这些样本对此挑战几乎没有任何贡献，我们提出了对大型数据集进行大型数据集的方法，这些训练的方法是动态的，他们提出了无效的训练。为了删除低价值样本，SETA首先执行随机修剪以消除冗余样品，然后根据剩余的样品根据其学习难度来逐渐通过 ...

解释时间序列预测的最新方法涉及每个时间步骤的实例显着性掩码；但是，由于数据的固有性质，许多类型的时间序列很难在时间域中解释。取而代之的是，我们建议将时间序列的解释性视为可解释零件的显着性图，依靠确定的信号处理方法在信号分解上。具体来说，我们提出了一种称为Flextime的新方法，该方法使用带路库将时间序列分为频段 ...

修饰是原始照片后操作后的重要任务。以文本或笔触为指导的生成编辑为用户提供了一种新工具，但可以轻松地以不可接受且不可预测的方式更改原始对象的身份。相比之下，尽管传统的程序编辑通常由照片编辑工具支持（e ...

我们提出了Hier-slam，这是一种语义3D高斯碎量方法，该方法具有新型的分层分类表示，它可以使3D世界中准确的全局3D语义映射，扩展功能和明确的语义标签预测。语义大满贯系统中的参数用法随着环境的日益复杂性而大大增加，这使得它特别具有挑战性，并且对于场景理解而言，它尤其昂贵。为了解决这个问题，我们介绍了一种新颖的层次表示，将紧凑形式编码的语义信息编码为3D高斯分裂，利用大语言模型（LLMS）的能 ...

近年来，为了能够将人工智能快速部署到计算和内存受限的小型设备中，深度网络剪枝引起了人们的广泛关注。修剪通常是通过删除冗余权重、神经元或深度网络层来实现的，同时尝试保留可比较的测试性能。许多深度剪枝算法已经被提出，并取得了令人印象深刻的经验成功... ...

随着大语言模型（LLM）的发展，我们可以在包括电子表格在内的各个领域（包括电子表格）越来越复杂的NLP任务。这项工作调查了LLM是否可以生成代码（Excel Officescripts，用于在Excel中执行许多任务的打字稿API），该API解决了通过自然语言用户指令提供的Excel特定任务。为此，我们介绍了一个新的大规模基准，即DisterenchExcel，它通过利用Excel中的“ Auto ...

本文介绍了Embcomp，这是一种比较两种嵌入的新方法，这些方法可以捕获对象之间的相似性，例如单词和文档嵌入。我们调查比较这些嵌入空间的方案很有用。从这些情况下，我们得出了共同的任务，引入了支持这些任务的视觉分析方法，并将它们组合成全面的系统 ...

图形注意力网络（GAT）是最受欢迎的GNN体系结构之一，被视为用图表进行表示的最新体系结构。在GAT中，每个节点都以自己的表示形式为邻居。但是，在本文中，我们表明GAT计算出非常有限的注意力：在查询节点上，注意分数的排名无条件 ...