自然语言处理领域的最新进展 \cite{gpt2} \cite{BERT} 在多个自然语言任务中取得了接近人类的表现。在本文中，我们试图了解类似的技术是否可以应用于具有严格语法规则的高度结构化环境。具体来说，我们提出了一种端到端的机器学习模型，用于在预先训练的语言模型之上构建 Python 语言的代码生成 ...

长时间模拟大型分子系统需要准确且高效的力场。近年来，E(3) 等变神经网络缓解了计算效率和力场精度之间的紧张关系，但它们仍然比经典分子力学 (MM) 力场昂贵几个数量级。
在这里，我们提出了一种新颖的机器学习架构，使用图注意力神经网络和具有保对称位置编码的 Transformer 来从分子图预测 MM 参数 ...

在本文中，我们提出了 LookOut，这是一种新颖的自主系统，它可以感知环境，预测场景可能如何展开的各种未来，并通过优化一组针对这些未来实现的应急计划来估计 SDV 的轨迹。特别是，我们学习了交通场景中多智能体未来轨迹的多样化联合分布，该分布以高样本效率覆盖了广泛的未来模式，同时利用了生成模型的表达能力。与之前的多样化运动预测工作不同，我们的多样性目标明确奖励对需要自动驾驶车辆做出不同反应以提高安 ...

文本的结构化和基础表示通常通过封闭信息提取来形式化，即从知识库模式中提取与预定义的实体和关系集一致的详尽的（主题、关系、对象）三元组集的问题。大多数现有工作都是容易出现错误累积的管道，并且所有方法仅适用于不切实际的少量实体和关系。我们引入 GenIE（生成信息提取），这是封闭信息提取的第一个端到端自回归公式 ...

我们提出了一种从单眼视频构建可动画狗头像的方法。这是具有挑战性的，因为动物表现出一系列（不可预测的）非刚性运动并且具有各种外观细节（例如， ...

在这项研究中，我们提出了一种新颖的类人记忆架构，旨在增强基于大型语言模型的对话代理的认知能力。我们提出的架构使代理能够自主回忆生成响应所需的记忆，有效解决 LLM 时间认知的限制。我们采用人类记忆线索回忆作为准确有效的记忆回忆的触发因素 ...

时态数据代表了复杂系统的时间顺序观察，一直是工业、医学和金融等许多领域广泛生成的典型数据结构。分析此类数据对于各种应用程序都非常有价值。因此，在过去的几十年中，已经提出了不同的时态数据分析任务，例如分类、聚类和预测 ...

运动规划对于实现移动机器人的自主运行至关重要。随着机器人应用场景的复杂性和随机性的增加，经典的分层运动规划器的规划能力受到挑战。随着机器学习的发展，基于深度强化学习（DRL）的运动规划器因其多种优势逐渐成为研究热点 ...