当通过大型语言模型（LLM）增强的多代理系统在集体智能中具有深远的能力。但是，出于恶意目的，这种情报的潜在滥用带来了重大风险。迄今为止，关于与多代理系统相关的安全问题的全面研究仍然有限 ...

作为用于在Internet上交换路由可及信息信息的默认协议，边境网关协议（BGP）的流量异常行为与Internet异常事件密切相关。 BGP异常检测模型通过实时监控和警报功能确保了Internet上稳定的路由服务。先前的研究要么关注特征选择问题或数据中的内存特征，同时忽略了特征与特征的精确时间相关性之间的关系（无论是长期还是短期依赖性） ...

2D扩散模型通常包含不需要的烘焙式阴影效果，并在下游应用中产生不切实际的渲染效果。生成基于物理的渲染（PBR）材料而不是仅仅是RGB纹理将是一个有前途的解决方案。但是，将PBR材料参数从2D扩散模型中直接提炼仍然遭受不正确的材料分解，例如反照率中的烘焙式阴影效应 ...

随着 Transformer 和MLP体系结构的最新发展和进步，在时间序列分析中已取得了重大进步。相反，时间序列分析中卷积神经网络（CNN）的性能缺乏期望，从而减少了其未来应用的潜力。我们的研究旨在通过引入新颖的观点和设计创新来增强时间序列分析中卷积神经网络（CNN）的代表性能力 ...

在本文中，我们声称空间理解是机器人操纵中的关键点，并提议空间vla探索机器人基础模型的有效空间表示。具体而言，我们介绍了编码EGO3D位置，以将3D信息注入视觉语言模型的输入观察结果，并提出自适应动作网格，以表示具有自适应离散的动作网格的空间机器人运动动作，并促进可提供的可概括和可转移的空间动作知识的知识跨机器人控制。空间vla首先是在具有1个视觉语言模型的基础上进行预训练 ...

大型语言模型（LLM）的最新进展已显着改善了文本到语音（TTS）系统，增强了对语音风格，自然性和情感表达的控制，这使TTS系统更接近人类水平的表现。尽管平均意见评分（MOS）仍然是TTS系统评估的标准，但它具有主观性，环境不一致和有限的解释性。现有的评估数据集还缺乏多维设计，通常忽略了诸如说话风格，上下文多样性和陷阱话语之类的因素，这在中国TTS评估中尤其明显 ...

大型语言模型（LLMS）已显示出在其产生的内容中表现出各种偏见和刻板印象。尽管广泛的研究调查了LLMS的偏见，但先前的工作主要集中在明确的偏见上，这使更细微的隐式偏见在很大程度上没有探索。本文提出了一个基于社会心理学理论的系统框架，以调查和比较LLMS中的明确和隐性偏见 ...

培训后量化（PTQ）已成为一种广泛采用的技术，用于压缩和加速大型语言模型（LLMS）。 LLM量化中的主要挑战是，不平衡和重尾数据分布可以扩展量化范围，从而降低了大多数值的位精度。最近的方法试图通过使用线性变换来消除离群值并平衡渠道间差异。但是，它们仍然是启发式的，并且经常被忽略优化整个量化的数据分布本文本文，我们引入了量化空间利用率（QSUR），这是一种新型指标，可以通过测量量化空间中数据的空间 ...