功耗已成为边缘设备神经网络加速器的主要关注点。基于新型的非挥发性内存（NVM）计算机中的计算（CIM）结构显示出较大能源效率的巨大潜力。但是，最近的大多数NVM-CIM解决方案主要集中在定点计算上，不适用于浮点（FP）处理 ...

监督的微调（SFT）通常用于训练语言模型，以模仿给定指令的带注释的响应。在本文中，我们挑战了这个范式，并提出了批评微调（CFT），该策略学会学会批评噪音响应，而不是简单地模仿正确的响应。受到强调批判性思维的人类学习过程的启发，CFT鼓励了更深入的分析和经常被标准SFT忽略的细微理解特征 ...

在本文中，研究了球形波前效应和空间非平稳（SNS）属性的考虑，研究了极度大规模多输入多输出（XL-MIMO）系统的通道估计问题。由于不同传播路径之间SNS特性的多样性，多个路径的并发通道估计变得棘手。为了应对这一挑战，我们提出了一个两相通道估计方案 ...

在本文中，我们研究了具有混合模拟数字架构的极尺度多输入多输出（XL-MIMO）系统的通道估计问题，该系统在分散的基带处理（DBP）框架内实现，并具有星星拓扑。由于过度的计算复杂性或降级性能，现有的集中式和完全分散的通道估计方法面临局限性。为了克服这些挑战，我们提出了一种新型的两阶段渠道估计方案，将局部稀疏重建与全球融合和改进整合在一起 ...

在宽带极大的多尺度多输入式输出（XL-MIMO）系统中，极大的天线阵列（ELAAS）和在较高频段的运行部署引入了显着的近场效应，例如球形波前传播和空间非平稳（SNS）特性。结合双宽带的影响，这些效应从根本上重塑了角度 - 延迟域中宽带XL-MIMO通道的稀疏模式，从而使现有的基于稀疏的通道估计方法不足。为了应对这些挑战，本文考虑了双宽带效应，球形波前和SNS属性，重新审视了宽带XL-MIMO系统的 ...

近年来，腿部和轮尾的机器人在主要为跨各个领域的人类创造的环境中获得了突出的任务。许多这些机器人面临的一个重大挑战是它们导航楼梯的能力有限，这阻碍了它们在多层型环境中的功能。这项研究提出了一种旨在解决此限制的方法，采用强化学习来开发适用于各种机器人的多功能控制器 ...

通过腿部机器人在具有挑战性的环境上进行本地导航的常见方法需要路径计划，路径跟随和运动，这通常需要机动控制策略，以准确跟踪指挥速度。但是，通过将导航问题分解为这些子任务，我们限制了机器人的功能，因为各个任务不考虑完整的解决方案空间。在这项工作中，我们建议通过深入强化学习训练端到端政策来解决完整的问题 ...

大型语言模型（LLM）评估通常依赖于跨用户和提示的汇总指标，例如准确性或人类偏好。这种平均掩盖了模型性能的用户和及时特定的变化。为了解决这个问题，我们提出了及时的领导板（P2L），该方法可产生特定提示的排行榜 ...