大型语言模型在各种任务中表现出了出色的表现，表现出迅速获得新技能的能力，例如通过文化学习（ICL）以最少的演示示例。在这项工作中，我们提出了一个综合框架，用于在大型多模型模型的背景下研究多模式ICL（M-ICL）。我们认为最好的开源多模型（e ...
在许多现实世界中，例如电力消耗计划和销售预测，时间序列预测（TSF）从根本上是必需的。在电子商务中，准确的时间序列销售预测（TSSF）可以显着提高经济利益。电子商务中的TSSF旨在预测数百万产品的未来销售 ...
语音助手（例如Siri和Google Assistant）通常会单独建模音频和文本，从而导致语音信息丢失和增加的复杂性。最近通过端到端的语音模型（LLM）（SFT）培训的端到端语音大语言模型（LLM）的最新努力导致模型``忘记了''''来自文本LLMS的功能。我们的工作提出了一种替代性范围，用于培训语音LLM的替代性范围，而无需在未经教学的情况下进行授课，该范围是使用Text-honly llm ...
分布（OOD）检测对于现实世界中机器学习系统的可靠和安全部署至关重要。在过去的几年中，取得了巨大进展。本文介绍了对OOD检测的最新进展的首次回顾，并特别关注自然语言处理方法 ...
训练后量化（PTQ）在压缩大型语言模型（LLMS）以超低成本中发挥了关键作用。但是，现有的PTQ方法仅着眼于处理一个层或一个块中的离群值，这忽略了块的依赖性，并导致低位设置中的严重性能降解。在本文中，我们提出了CBQ，这是一种基于跨块重建的LLMS的PTQ方法 ...
我们从单个RGB图像中解决了人脸的3D重建。为此，我们提出了Pixel3DMM，这是一组高度一般的视觉 Transformer ，这些 Transformer 预测了每像素几何提示，以限制3D可变形面模型（3DMM）的优化。我们利用Dino Foundation模型的潜在特征，并引入量身定制的表面正常和紫外线坐标预测头 ...
GPT-4O的最新发布展示了端到端多模型的潜力，不仅在低潜伏期方面，而且还以丰富的情感来理解和产生表达性语音的能力。虽然开放研究社区未知细节，但它可能涉及大量的策划数据和计算，这两个数据都不容易访问。在本文中，我们介绍了BLSP-EMO（带有情感支持的引导语言言论预处理），这是一种开发端到端语音语言模型的新方法，能够在语音中理解语义和情感并产生善解人意的反应 ...
当在各种情况下部署时，现有的学习模型通常表现出较差的概括。主要是由于数据的基础参考框架随部署环境和设置而变化。但是，尽管每种情况的数据都有其独特的参考框架，但其一代通常遵循相同的基础物理规则 ...
