大型语言模型（LLMS）旨在生成有益且安全的内容。但是，对抗性攻击通常称为越狱，可以绕开其安全协议，促使LLMS产生有害内容或揭示敏感数据。因此，调查越狱方法对于暴露于LLM中的系统性脆弱性至关重要，最终指导开发人员不断实施安全性增强 ...

点云完成是指从部分3D点云中完成3D形状是3D点云分析任务的基本问题。从深度神经网络的发展中受益，近年来对Point Cloud完成的研究取得了长足的进步。但是，现有方法所涉及的明确局部区域分区使它们对点云的密度分布敏感 ...

近年来，提示指导大语模型的输出的使用已大大增加。但是，即使是最好的专家也很难选择正确的单词来缝制所需任务的提示。为了解决这个问题，LLM驱动的提示优化是一个重要的问题 ...

现代代码审查是一个过程，在该过程中，代码作者做出的增量代码贡献是由一个或多个同行对版本控制系统提出的审查。现代代码审查的一个重要要素是验证该代码贡献符合最佳实践。尽管这些最佳实践中的某些可以自动验证，但验证其他最佳实践通常留给人类审稿人 ...

内容的遗漏和添加是神经机器翻译中的一个典型问题。我们提出了一种使用现成的翻译模型来检测此类现象的方法。使用对比条件，在给定相应的源或目标序列的情况下，我们将翻译模型下完整序列的可能性与其部分的可能性进行比较... ...

尽管基于香农理论的传统句法交流取得了重大进步，但这些方法努力满足6G沉浸式沟通的要求，尤其是在挑战性的传播条件下。随着生成人工智能（Genai）的发展，在使用高级语义信息重建视频中取得了进展。在本文中，我们提出了一个可扩展的生成视频语义通信框架，该框架提取和传输语义信息以实现高质量的视频重建 ...

长马组合优化问题（COPS），例如灵活的工作店调度问题（FJSP），通常涉及复杂的，相互依存的决定，而不是延长的时间范围，对现有求解器构成了重大挑战。在滚动范围优化（RHO）的同时，通过将问题分解为重叠的短距离子问题来解决这一问题，但这种重叠通常涉及冗余计算。在本文中，我们提出了L-RHO，这是第一个学习COPS的RHO框架 ...

尽管功能出色，但由于其巨大的规模，大型语言模型（LLM）仍然面临部署挑战。训练后的结构化修剪是一种有前途的解决方案，可以使LLM不需要重新训练，减少计算开销，并且友好型硬件。但是，训练后的结构化修剪的无训练性质导致了显着的性能降解 ...