纯时间序列预测任务通常专门关注数值特征；但是，现实世界中的财务决策需要比较和分析异质信息来源。深度学习和大规模语言模型（LLM）的最新进展已在捕获情感和其他定性信号方面取得了重大进步，从而提高了财务时间序列预测的准确性。尽管有这些进展，但大多数现有的数据集仅由价格序列和新闻文本组成，仅限于单个市场，并且规模仍然有限 ...

视频字幕结合了视频理解和语言的产生。与描述静态图像的图像字幕不同，几乎每个对象的详细信息，视频字幕通常都会考虑一系列框架和偏见，以指向集中的对象，例如 ...

视频数据，尤其是长格式视频，非常密集且高维。基于文本的视频内容摘要提供了一种以比原始视频更紧凑的方式表示与查询相关的内容的方法。此外，文本表示很容易被最先进的大语言模型（LLMS）摄入，这使视频内容的推理能够回答复杂的自然语言查询 ...

互联网实时流媒体广泛用于在线娱乐和电子商务中，现场广告是锚点的重要营销工具。一项广告活动希望在限制下（例如预算和单击成本）最大化效果（例如转换）。广告系列的主流控制是自动投标的，该绩效取决于每个请求中竞标算法的决定 ...

我们介绍了Internvl 3.5，这是一个新的开源多模型系列，可在Intervl系列中显着提高多功能性，推理能力和推理效率。一个关键的创新是Cascade增强学习（Cascade RL）框架，它通过两个阶段的过程增强了推理：离线RL稳定收敛和在线RL以进行精制对齐 ...

预测现实世界中的未来，尤其是从图像等原始感官观察中预测未来，这是极具挑战性的。现实世界中的事件可能是随机且无法预测的，自然图像的高维度和复杂性需要预测模型才能建立对自然世界的复杂理解。许多现有方法通过简化有关环境的假设来解决此问题 ...

端到端模型已在几个自动语音识别任务上取得了最新的结果。但是，在评估长期数据时，它们的性能很差，例如 ...

能够预测将来可能发生的事情需要深入了解统治世界的身体和因果规则。能够这样做的模型从机器人计划到代表性学习都有许多吸引人的应用程序。但是，学习预测原始的未来观察结果，例如视频中的框架，这是极具挑战性的 - 问题的模棱两可的性质可能会导致设计的模型将可能的模型平均平均合并为单一的模糊预测 ...