心理健康是一个日益增长的全球关注点，引发了人们对AI驱动的解决方案的兴趣，以扩大获得心理社会支持的机会。以生活经验为基础的同伴支持为专业护理提供了宝贵的补充。但是，培训，有效性和定义的差异引起了人们对质量，一致性和安全性的担忧 ...

多对象跟踪（MOT）是视频理解的长期挑战。一种自然而直观的方法是将此任务分为两个部分：对象检测和关联。大多数主流方法采用精心制作的启发式技术来维护轨迹信息和计算成本矩阵以进行对象匹配 ...

生成美学海报比简单的设计图像更具挑战性：它不仅需要精确的文本渲染，而且需要抽象艺术内容，引人注目的布局和整体风格和谐的无缝集成。为了解决这个问题，我们提出了Postercraft，这是一个统一的框架，它放弃了先前的模块化管道和刚性，预定义的布局，从而使模型可以自由探索相干，视觉上令人信服的组合物。 Postercraft采用了精心设计的级联工作流程，以优化高审美海报的生成：（i）在我们新引入的Te ...

大型语言模型 (LLM) 的最新进展在广泛的任务中表现出了卓越的性能，引起了人们对其在推荐系统中的应用的浓厚兴趣。然而，现有的方法尚未充分发挥 LLM 的潜力，通常受到有限的输入信息的限制或未能充分利用其先进的推理能力。为了解决这些限制，我们引入了 EXP3RT，这是一种基于 LLM 的新型推荐器，旨在利用用户和项目评论中包含的丰富偏好信息 ...

传统的加强学习（RL）政策通常以固定的控制速率实施，通常会忽略控制率选择的影响。随着最佳控制速率随任务要求而变化，这可能导致效率低下。我们提出了多目标弹性弹力批评者（MOSEAC），这是一种使用弹性时间步骤，使用弹性时间步骤来动态调节控制频率 ...

大型语言模型（LLM）在熟悉的查询上表现良好，但在专业或新兴主题中挣扎。基于图的检索效果生成（GraphRag）通过将域知识作为动态检索的图表来解决这一问题。但是，现有的管道涉及复杂的工程工作流程，因此很难隔离单个组件的影响 ...

大型语言模型（LLM）显示出在解决数学推理问题方面的能力增加。但是，在中间推理步骤中，许多开源LLM仍在计算和语义理解方面的错误中困难。在这项工作中，我们介绍了一个简单而有效的框架，该框架利用自然语言解决方案派生的翻译程序作为验证机制，以在汇总最终答案之前过滤掉潜在的不正确的推理路径 ...

尽管大型语言模型（LLM）在软件工程任务（例如代码完成和生成）中表现出了希望，但它们对维护复杂软件系统的支持仍然有限。这些模型通常在理解系统中嵌入的默认知识（例如跨不同模块的责任分配和协作）方面困难。为了解决这一差距，我们介绍了\ textbf {代码数字twin}的概念和框架，这是一种隐性知识的概念表示，捕获了代码元素背后的概念，功能和设计理由，并与软件共同发展 ...