尽管神经网络在各种应用程序中取得了非常成功的成功，但在资源受限的硬件中实施它们仍然是深入研究的领域。通过用量化的神经网络的权重取代（例如 ...
大型语言模型（LLMS）在对话式AI中的有效性受到对单转监督的微调（SFT）数据的依赖，这限制了多转交对话中的上下文连贯性。生成多转化对话数据的现有方法努力确保指令的多样性和质量。为了解决这个问题，我们提出了审查教学，这是一个新颖的框架，通过迭代的“ Ask-Respond-Review”过程综合了涉及三个代理角色的过程：候选人，多个审阅者和主席 ...
收债协商（DCN）对于管理不表现贷款（NPL）和减少债权人损失至关重要。传统方法是劳动密集型的，而大型语言模型（LLMS）具有有希望的自动化潜力。但是，先前的系统缺乏动态的谈判和实时决策能力 ...
生成人工智能（Genai）构成了一种变革性的技术浪潮，该浪潮通过其无与伦比的内容来创建内容，推理，计划和多模式理解来重新配置行业。这种革命力量为解决工程最大的挑战之一提供了最有前途的途径：实现可靠，完全自主的驾驶，尤其是追求5级自治的驾驶。这项调查提供了Genai在自主驾驶堆栈中新兴作用的全面和关键综合 ...
受深度学习在计算机视觉和语言理解方面取得巨大成功的影响，推荐研究已转向发明基于神经网络的新推荐模型。近年来，我们见证了神经推荐模型的发展取得了重大进展，由于神经网络强大的表示能力，神经推荐模型泛化并超越了传统的推荐模型。在这篇综述论文中，我们从推荐建模的角度 ...
由于缺乏3D数据，从单个图像中生成灵活视图3D场景，包括360°旋转和缩放。为此，我们介绍了Flexworld，这是一个由两个关键组成部分组成的新颖框架：（1）强大的视频对视频（V2V）扩散模型，以从粗糙场景中呈现出不完整的输入的高质量的新视图图像，以及（2）渐进式扩展过程来构建完整的3D场景。特别是，利用先进的预训练的视频模型和准确的深度估计训练对，我们的V2V模型可以在大型摄像头姿势变化下产生 ...
大型语言模型的最新出现激起了人们关于人类认知能力是否可能在此类通用模型中出现的辩论。特别令人感兴趣的是这些模型在没有任何直接训练的情况下推理新问题的能力。在人类的认知中，这种能力与类比的推理能力紧密相关 ...
多模式大语模型（MLLM）具有令人印象深刻的功能，但在复杂的视觉推理中仍然面临挑战。尽管最近的努力试图通过通过明确的搜索结构或教师指导的蒸馏来纳入类似OpenAi O1的结构化思维来增强MLLM的推理，但他们经常努力平衡性能和效率。一个关键的限制是他们对广泛的数据和搜索空间的严重依赖，从而导致低效率的隐性见解提取和数据利用 ...
