最近，基于模型的增强学习算法在视觉输入环境中表现出了显着的功效。这些方法首先通过自我监督的学习来构建真实环境的参数化模拟世界模型。通过利用世界模型的想象力，代理商的政策将得到增强，而无需从真实环境中取样的限制 ...
我们介绍了MLE基础，这是一种测量AI代理在机器学习工程中的表现的基准。为此，我们策划了来自Kaggle的75毫升工程相关的比赛，创建了一套具有挑战性的任务，以测试现实世界中的ML工程技能，例如培训模型，准备数据集和运行实验。我们使用Kaggle的公开排行榜为每场比赛建立人类基线 ...
作为一个新兴课题，对自主代理的研究兴趣正在不断上升。大型语言模型（LLM）的显著成就证明了在自主代理中实现类人智能的巨大潜力。然而，挑战在于使这些智能体能够在动态环境中学习、推理和应对不确定性 ...
迅速学习已成为用于各种下游任务的微调基础模型（例如剪辑）的有效替代方法。使用特定于任务的目标进行训练，即 ...
本文探讨了多智能体系统的现有工作，并确定了尚未充分解决的挑战。通过利用多代理系统中各个代理的不同功能和角色，这些系统可以通过协作来处理复杂的任务。我们讨论优化任务分配，通过迭代辩论促进强大的推理，管理复杂和分层的上下文信息，以及增强内存管理以支持多智能体系统内复杂的交互 ...
3D重建在现代摄影测量系统中起越来越重要的作用。传统的卫星或空中遥感平台可以为大规模地面和城市的3D重建提供必要的数据源。即使有低空无人机（无人驾驶汽车），由于频繁跟踪摄像头框架和高数据收集成本之间的经常跟踪故障，因此在复杂情况下的3D重建（例如Urban Canyons和室内场景）也很具有挑战性 ...
由于其创建现实的3D场景的能力，神经渲染引起了极大的关注。但是，它对广泛场景的适用性仍然具有挑战性，并有效率限制。在这项工作中，我们提出了无人机-NERF框架，以增强使用神经辐射场（NERF）适用于无人机倾斜摄影的无界大型场景的有效重建 ...
大型的多模式混合物（MOE）有效地扩展了模型大小，以增强性能，同时保持固定的活动参数。但是，以前的作品主要在稀疏的上循环期间利用完整精确的专家。尽管他们在最终任务上表现出卓越的性能，但大量专家仍引入了更高的内存足迹，这对边缘设备上的部署构成了重大挑战 ...
