在本文中，我们介绍了一个名为医院的模拟代理，它模拟了治疗疾病的整个过程。所有患者、护士和医生均由大型语言模型（LLM）提供支持的自主代理。我们的中心目标是让医生代理人能够学习如何在模拟中治疗疾病...... ...
在本文中，我们介绍了U-NET V2，这是一种用于医学图像分割的新型稳健且有效的U-NET变体。它的目的是将语义信息注入低级功能，同时精炼高级功能，并提供更细节。对于输入图像，我们首先使用深层神经网络编码提取多层次特征 ...
由于产生有害图像，例如非安全的工作（NSFW），例如稳定扩散和dall $ \ cdot $ e之类的文本形象生成模型引起了许多道德问题。为了解决这些道德问题，通常采用安全过滤器来防止生成NSFW图像。在这项工作中，我们提出SneakyPrompt，这是第一个自动攻击框架，以越狱文本到图像生成模型，以便即使采用了安全过滤器，它们也会生成NSFW图像 ...
基于 Transformer 的模型已成为时间序列预测的有前途的工具。但是，这些模型无法对长输入时间序列进行准确的预测。一方面，他们未能在时间序列数据中捕获全局依赖性 ...
时间序列预测是许多科学和工程领域重要的现实应用的核心。大量由复杂模式和长期依赖性组成的大型时间序列数据集导致了各种神经网络架构的发展。图神经网络方法在预测时基于多元时间序列原始值的相关性共同学习图结构，最近取得了巨大成功... ...
给定的$ d \在\ mathbb {n} $中，令$ \ alpha（d）$为最大的实际数字，使每个抽象的简单复杂$ \ nathcal {s} $，带有$ 0 <\ vert \ vert \ vert \ nathcal {s} \ vert {s} \ vert \ vert \ leq \ leq \ alpha（d）最多$ d $。我们通过证明所有整数$ d $ and $ m $的弗 ...
深度多智能体强化学习（MARL）的进步使其成为合作游戏决策的一种有前途的方法。然而，对于 MARL 智能体来说，学习某些游戏环境的合作策略仍然具有挑战性。最近，大型语言模型（LLM）已经表现出新兴的推理能力，使它们成为增强智能体之间协调的有希望的候选者 ...
多机构系统（MAS）在执行复杂的任务方面表现出巨大的潜力，但是协调和安全仍然是重大挑战。多机构增强学习（MARL）为代理协作提供了有希望的框架，但它在处理复杂任务和设计奖励功能方面面临困难。大型语言模型（LLM）的引入为MAS带来了更强的推理和认知能力，但是现有的基于LLM的系统努力在动态环境中迅速而准确地做出响应 ...
