图像恢复旨在恢复降级的图像。但是，尽管自然图像恢复方面取得了巨大成功，但现有的基于扩散的恢复方法通常很难忠实地重建降级图像中的文本区域。这些方法经常产生合理但不正确的文本样模式，这是我们称为文本图像幻觉的现象 ...

生物医学语言理解基准是具有大型语言模型（llm）后端的人工智能应用的驱动力。然而，大多数当前的基准：a（a a），这使得将英语中的许多成功复制到其他语言变得具有挑战性，这使得将英语中的许多成功复制到其他语言变得具有挑战性，或者（ b）专注于llm的知识探索，llm如何应用这些知识来执行任务广泛的生物医学任务，c llm如何应用这些知识来执行任务广泛的生物医学任务，c）llm。为了促进医学llm。为 ...

最近，神经替代模型已成为传统仿真工作流的引人注目的替代方法。这是通过对科学模拟的基本功能进行建模，消除运行昂贵模拟的需求来完成的。除了从输入参数映射到输出外，还显示了替代物对于反问题：输出到输入参数 ...

结构动力学中的参数估计通常涉及基于第一原理或专家知识的物理，几何或什至定制参数的值，这对于复杂的结构系统具有挑战性。在这项工作中，我们提出了一个基于统一的深度学习框架，用于参数化，正向建模和结构动力学的反向建模。参数化是灵活的，可以用户定义，包括物理和/或非物理（自定义）参数 ...

点云的3D表面重建是内容创建，考古学，数字文化遗产和工程等领域的关键步骤。当前的方法要么试图优化非DATA驱动的表面表示以适合这些点，要么在常见的表面分布上学习数据驱动的先验，以及它们与潜在的嘈杂点云的相关性。数据驱动的方法能够强大的噪声处理，通常专注于全球或本地先验，在全球末端的稳健性与噪声之间的权衡与局部端的表面细节保存之间的权衡 ...

大型推理模型（LRMS）通过思考链提示显示了测试时间缩放的显着进展。当前的方法诸如搜索-O1之类的方法将检索增强生成（RAG）集成到多步推理过程中，但依赖于单个线性推理链，同时以平坦的，上下文 - 语言性的方式合并了非结构化的文本信息。结果，这些方法可能导致整个推理链中的错误积累，这显着限制了其在准确性和可追溯性都是至关重要的要求中的医疗问题（QA）任务中的有效性 ...

让AI代理在多代理应用中相互作用为AI结果的解释性和预测增加了一层复杂性，对他们在研究和社会中的可信赖采用产生了深远的影响。 Game Theory提供了强大的模型来捕获和解释代理之间的战略互动，但需要支持可重复，标准化和用户友好的IT框架，以实现结果的比较和解释。为此，我们提出了Fairgame，这是使用游戏理论偏向识别的框架 ...

大型语言模型（LLMS）证明了通过自我纠正来完善其生成的答案的能力，从而在多个回合中不断提高绩效。但是，在此迭代过程中准确性如何以及为什么进化的基础机制仍未开发。为了填补这一空白，我们提出了一种概率理论，以模拟准确性变化的动力学，并解释在多轮自我纠正中观察到的性能改善 ...