我们介绍了多个实体生成（MIG）任务，该任务的重点是在单个图像中生成多个实例，每个实例都准确地放置在具有类别，颜色和形状等属性的预定位置，严格遵循用户规格。 MIG面临三个主要挑战：避免实例之间的属性泄漏，支持各种实例描述并保持迭代生成的一致性。为了解决属性泄漏，我们提出了多个现实生成控制器（MIGC） ...

我们提出了一种基于互动3D布局控制的基于扩散的文本对图像（T2I）生成的方法。已经广泛研究了布局控制，以减轻T2I扩散模型在理解对象的位置和文本描述中关系中的缺点。但是，现有的布局控制方法仅限于2D布局，要求用户事先提供静态布局，并且在布局更改下未能保留生成的图像 ...

大型语言模型（LLMS）凭借推理能力的进步而在复杂的任务上表现出色。但是，现有方法忽略了推理效率和计算效率之间的权衡，通常会鼓励不必要的长期推理链和浪费 Token 。为了解决这个问题，我们建议学习思考（L2T），这是一个信息理论增强型LLMS的微调框架，使模型以较少的 Token 实现最佳推理 ...

我们提出了第一个可以查询以查找数据集中最接近的邻居的sublinear内存草图。我们的在线素描算法将n元素数据集压缩到$ o（n^b \ log^3 n）$ o（n^{（b+1）} \ log^3 n）$ time中的大小$ o（n^b \ log^3 n）$的草图。该草图可以正确地报告满足由$ b $参数的稳定性条件的任何查询的最近的邻居 ...

大型语言模型在扩展参数时表现出了有希望的功能。但是，为大型语言模型提供大规模的计算和记忆运动成本。已采用量化方法来降低服务成本和延迟 ...

语言模型预训练已被证明可以捕获大量的世界知识，这对于问答等nlp任务至关重要。然而，这些知识隐式存储在神经网络的参数中，需要更大的网络来覆盖更多事实。，我们使用潜在知识检索器来增强语言模型预训练，该检索器允许模型检索和关注维基百科等大型语料库中的文档，这些文档在预训练、精细训练期间使用。调整和推理 ... ...

关于大语言模型（LLM）推理能力的最新研究表明，通过利用冗长的思维过程和推断期间的其他计算资源，主要是在涉及数学推理的任务（Muennighighoff等人，2025年）。但是，仍然不确定较长的推理链是否固有地提高了事实准确性，尤其是在数学环境之外 ...

语义场景的理解对于机器人和计算机视觉应用至关重要。在自动驾驶中，3D语义分割在实现安全导航方面起着重要作用。尽管该领域取得了重大进展，但收集和注释3D数据的复杂性是这一发展的瓶颈 ...