使用低级方法适应基础模型是一种广泛的方法。适应这些模型的另一种方法是采用正交微调方法，尽管它们具有良好的概括属性，但它们的时间和记忆效率较小。在这项工作中，我们提出了家庭正交微调（HOFT），这是一种新型的正交微调方法，旨在减轻时间和空间的复杂性 ...

解决问题的科学问题涉及在应用专家知识的同时综合信息。我们介绍了Curie，这是一种科学的长篇文化理解，推理和信息提取基准，以衡量大语模型（LLM）在科学问题解决和协助科学家进行现实工作流程中的潜力。该基准介绍了十项具有挑战性的任务，共有580个问题，解决方案对由六个学科的专家组成 - 材料科学，凝结物理学，量子计算，地理空间分析，生物多样性和蛋白质 - 涵盖了科学领域的实验性工作和理论工作 ...

视觉语言模型（VLM）在单像任务中取得了显着的成功。但是，现实世界中的情况通常涉及复杂的多图像输入，这导致了显着的性能下降，因为模型难以将散布在复杂的视觉特征散布的关键信息散布。在这项工作中，我们提出了以焦点为中心的视觉链，这是一种新颖的范式，可增强VLMS的感受，理解和推理能力 ...

多矢量模型（例如Colbert）是神经信息检索（IR）的重大进步，通过通过多个上下文化 Token 级嵌入来表示查询和文档来提供最新的性能。但是，这种增加的表示规模引入了相当大的存储空间和计算开销，这在实践中阻碍了广泛采用。减轻这种开销的一种常见方法是将模型的冷冻矢量聚集，但是该策略的有效性在根本上受到这些嵌入的固有凝聚性的限制 ...

本文提出了一种基于学习的新型控制政策，具有对新环境的强大概括性，使移动机器人能够自主在装满静态障碍和密集的行人人群的空间中自动导航。该策略使用输入数据的独特组合来生成所需的转向角度和前进速度：LIDAR数据的简短历史，有关附近行人的运动学数据以及次目标。该政策是使用奖励功能在加固学习设置中进行培训的，该奖励功能包含一个基于速​​度障碍的新颖术语，以指导机器人积极避免行人并朝着目标迈进 ...

日志是记录由软件应用程序，操作系统，服务器和网络设备产生的事件，活动或消息的关键资源。但是，巩固异质日志并交叉引用是具有挑战性和复杂的。手动分析日志数据是耗时的，容易出现错误 ...

在推荐系统中，生成推荐（GR）已成为一种强大的范式，该系统将模式和语义与项目表示形式联系起来，与以前依赖自动回归模型中非语义项目标识符的方法相比。但是，先前的研究主要是孤立地处理的方式，通常假设项目内容是单峰（通常是文本）。我们认为，鉴于现实世界数据的丰富，多模式的性质以及GR模型对模态选择和使用的潜在敏感性，这是一个重要的局限性 ...

我们通过将稀疏的10维范围调查结果和相对于移动机器人坐标框架作为输入和连续转向命令作为输出来提出基于学习的无MAP运动计划器。带有激光范围传感器的移动地面机器人的传统运动计划者主要取决于导航环境的障碍图，在该环境中，高度精确的激光传感器和环境的障碍物图构建工作都是必不可少的。我们表明，通过异步的深钢筋学习方法，无地图运动计划者可以端到端训练，而无需任何手动设计的功能和先前的演示 ...