关于移动网络设计的最新研究表明，通道注意力（例如，挤压和激发注意力）在提升模型性能方面具有出色的有效性，但它们通常忽略了位置信息，这对于生成空间选择性的注意力图很重要 ...
在过去的几年中，大型语言代码（代码LLM）开始对编程实践产生重大影响。 Code LLM也正在成为编程语言和软件工程研究的基础。但是，代码LLM在其培训数据中很好地代表的编程语言上产生了令人印象深刻的结果（e ...
神经命名实体识别（NER）模型可能很容易遇到过度信心的问题，从而降低了性能和校准。受标签平滑的启发，并受到NER工程边界注释的歧义的驱动，我们提出了边界平滑作为基于跨度神经NER模型的正则化技术。它将实体概率从注释跨度重新分配到周围的跨度 ...
图像产生的最新进展，尤其是扩散模型，显着降低了创造复杂的伪造的障碍，使图像操纵检测和本地化（IMDL）越来越具有挑战性。尽管IMDL的先前工作主要集中在自然图像上，但动漫域仍然没有散发出，尽管其日益增长的易受AI生成的伪造的脆弱性。对AI生成的图像的虚假陈述为手绘艺术品，侵犯版权和不适当的内容修改对动漫社区和行业构成了严重威胁 ...
基于大语言模型 (LLM) 的智能代理的集成和部署充满了挑战，影响了其效率和功效。这些问题包括代理通过 LLM 请求的次优调度和资源分配、代理与 LLM 之间交互期间维护上下文的困难，以及集成具有不同功能和专业的异构代理所固有的复杂性。代理数量和复杂性的快速增加进一步加剧了这些问题，通常会导致资源瓶颈和次优利用 ...
在本文中，我们关注6-DOF GRASP检测方法的概括能力。虽然基于学习的GRASP检测方法可以使用从训练集中学到的掌握分布来预测看不见的对象的抓握姿势，但在遇到具有不同形状和结构的对象时，它们通常会表现出显着的性能下降。为了增强GRASP检测方法的概括能力，我们结合了机器人握把的先验知识，使能够更好地适应具有显着形状和结构差异的物体 ...
为了减少数据收集时间，以深入学习健壮的机器人抓紧计划，我们探索了从dex-net 1.0中成千上万的3D模型中产生的670万个点云，grasps和Analytic Grasp指标的合成数据集的培训 ...
本文提出了一种实时的，独立于对象的掌握合成方法，可用于闭环抓握。我们提出的生成抓卷卷积神经网络（GG-CNN）预测了每个像素的grasps的质量和姿势。从深度图像中，这一一对一的映射通过避免抓住候选者的离散采样和较长的计算时间来克服当前深度学习抓地力技术的限制 ...
