现场重建的最新进展已朝着使用3D高斯分裂的自主驾驶（AD）环境的高度现实建模。但是，所得的重建仍然与原始观察结果紧密相关，并努力支持明显改变或新颖的驾驶场景的光真逼真的综合。这项工作介绍了Madrive，这是一个由内存的重建框架，旨在通过从大型外部存储库中检索到的视觉上相似的3D资产来替换现有场景重建方法的功能 ...

新闻驱动的多股运动预测任务中有两个问题在现有作品中无法解决。一方面，当利用其他股票的价格信息来实现准确的股票移动预测时，“关系发现”是关键部分。鉴于股票关系通常是单向的，例如“供应商 - 消费者”关系，因果关系更适合捕获股票之间的影响 ...

异常检测（AD）对于工业检查和医学诊断至关重要，但是现有的方法通常依赖于``比较''测试图像与培训集中的正常参考。但是，外观和定位的变化通常会使这些参考文献与测试图像的比对复杂化，从而限制了检测准确性。我们观察到大多数异常表现为局部变化，这意味着即使在异常图像中，有价值的正常信息仍然存在 ...

组活动检测（GAD）是识别每个组成员并同时在视频中同时对组的活动进行分类的任务。尽管最近对GAD进行了研究，但由于解决实用的GAD方案的能力有限，数据集和方法论仍然有很多改进的余地。为了解决这些问题，我们首先提出了一个名为Café的新数据集 ...

重新排名在推荐系统中引起了越来越多的关注，它将输入排名列表重新排列成最终排名列表，以更好地满足用户需求。大多数现有方法通过逐点或逐列表模型的评分分数贪婪地对候选者进行重新排序。尽管有效，但忽略最终排名列表中每个项目及其上下文之间的相互影响通常会使基于贪婪策略的重排名方法次优... ...

在本文中，我们介绍了学习动态贝叶斯网络（DBN）基础的指南，从数据的形式出现了多个轨迹样本的形式。我们为特定变量分布的通用和一组通用类型的DBN提供形式主义。我们介绍了模型的分析形式，对DBN模型中的结构和权重之间的相互依赖性进行了全面讨论及其对学习的影响 ...

大型语言模型（LLM）在推进人工智能（AI）方面发挥了关键作用。但是，尽管取得了成就，但LLM经常努力解释他们的决策过程，使其成为“黑匣子”，并对解释性提出了重大挑战。这种缺乏透明度为在高风险领域应用中采用LLM的采用带来了重要的障碍，在高风险领域应用中，解释性尤其重要 ...

大语言模型（LLM）的兴起造成了巨大的差异：具有计算资源，专家团队和高级基础架构的工业研究实验室可以有效地调整LLM，而个人开发人员和小型组织则由于资源有限而面临障碍。在本文中，我们旨在通过使用跨越各种知识领域和技能的指导调查数据集介绍有关监督LLM的监督微调的全面研究来弥合这一差距。我们专注于小型LLM（3B至7B参数）的成本效益和可访问性 ...