我介绍了一项对根据1984年至2021年《华尔街日报》的新闻报道样本来询问大型语言模型（LLM）对各种财务和宏观经济变量的期望形成的调查。我发现，结果期望与现有的调查非常匹配，包括对专业预测者（SPF），美国投资人协会和DUKE的调查，以及duke COF的调查，包括对专业前预报员（SPF）的调查。重要的是，我记录了基于LLM的期望与这些现有调查系列中表现出的全面信息理性期望的许多偏差相匹配 .. ...

结构性振动是工程系统（例如汽车，火车或飞机）中有害噪音的来源。最大程度地减少这些振动对于改善乘客舒适性至关重要。这项工作提出了一种基于引导流量匹配的新型设计优化方法，以通过将珠子（压痕）放在板样结构中来减少振动 ...

我们提出了一种合作学习方法，称为一般视觉表示学习，称为相互对比学习（MCL）。 MCL的核心思想是在网络队列中进行对比分布的相互作用和转移。 MCL的关键组成部分是互动对比学习（ICL） ...

我们研究了一个$ n $+$ $ $ sph模拟的速度椭圆形，该模拟是一个被禁止的银河系，该模拟形成了带有BP凸起的酒吧。我们专注于2D运动学，并通过各向异性，$ \ beta_ {ij} $量化速度椭圆，相关性，$ \ rho_ {ij} $和顶点偏差，$ l _ {\ rm v} $。我们根据凸起内的恒星年龄来探讨这些数量的变化，并使用apogee dr16和{\ it gaia} dr3的数 ...

虽然当前使用基础模型构建的 NL2SQL 任务已经取得了值得称赞的结果，但由于 GQL 和 SQL 表达式之间的显着差异以及 GQL 的多种类型，将它们直接应用于自然语言到图查询语言（NL2GQL）任务带来了挑战。我们广泛的实验表明，在 NL2GQL 任务中，较大的基础模型表现出卓越的跨模式泛化能力，而较小的基础模型则难以通过微调来提高其 GQL 生成能力。然而，经过微调后，较小的模型表现出更好的 ...

由于学习排名（ ltr（ltr）方法主要寻求提高排名质量，因此其输出分数在设计上并未进行尺度校准。这从根本上限制了ltr在分数敏感的应用程序中的使用。尽管结合回归和排名目标的简单多目标方法可以有效地学习尺度校准分数，但我们认为这两个目标不一定兼容 ...

顺序建议根据每个用户的历史交互序列预测下一个项目。最近，扩散模型由于对用户兴趣分布的强大能力而引起了该领域的大大关注。他们通常通过降低基于历史互动来调节的高斯噪声来产生目标项目 ...

大型语言模型（LLM）的兴起已将AI代理从被动计算工具转变为自主经济参与者。这种转变标志着以代理商为中心的经济的出现，在这种经济中，代理人承担着积极的经济角色 - 交换价值，做出战略决策，并以最少的人类监督协调行动。为了实现这一愿景，我们提出了一个专门的拍卖平台，旨在支持AI代理市场的动态 ...