Backbone exponent for two-dimensional percolation 
我们为著名的主链指数提供了一个精确的表达，以在临界时二维二维中的伯努利渗透。事实证明它是基本函数的根。与该模型的先前已知的ARM指数相反，这些模型都是理性的，它具有先验价值 ...
0 0 0 2025/07/23 arXiv:2309.05050v2 fazai001
GIKT: A Graph-based Interaction Model for Knowledge Tracing 
随着在线教育的快速发展，知识追踪（KT）已成为一个基本问题，它可以追溯到学生的知识状况并预测他们在新问题上的表现。在线教育系统中，问题通常很多，并且与技能的相关性总是很少。但是，以前的文献没有涉及问题信息以及高阶问题技能相关性，这主要受数据稀疏性和多技能问题的限制 ...
0 0 0 2025/07/23 arXiv:2009.05991v1 vivi
Task-Circuit Quantization: Leveraging Knowledge Localization and Interpretability for Compression 
训练后量化（PTQ）通过将完整的精度重量映射到低位重量而无需昂贵的重新训练的情况下，可以减少模型的内存足迹，但可以降低其下游性能，尤其是在低2到3位设置中。我们开发了一种新的混合精液PTQ方法，即任务电路量化（TACQ），该方法与自动化电路发现相似，将量化过程直接调节到特定的重量电路上 - 我们将其定义为与下游任务性能相关的一组权重。这些权重保持为16位的权重，而其他权重进行量化，保持性能，同时仅 ...
0 0 0 2025/07/23 arXiv:2504.07389v2 felixslu
Enhancing Remote Sensing Vision-Language Models for Zero-Shot Scene Classification 
遥感的视觉语言模型得益于其广泛的预处理显示出了有希望的用途。但是，它们在零摄像场景分类方法中的常规用法仍然涉及将大图像分为补丁并做出独立的预测，即 ...
0 0 0 2025/07/23 arXiv:2409.00698v2 Jht
Minimax Weight and Q-Function Learning for Off-Policy Evaluation 
我们使用功能近似值（边缘化）重要性权重和价值功能的功能近似值来提供对增强学习中的非政策评估的理论研究。我们的贡献包括：（1）一个新的估计器MWL，直接估计了与州行动分布的重要性比率，从而消除了对行为政策的知识的依赖，如先前的工作（Liu等人，2018年） ...
0 0 0 2025/07/23 arXiv:1910.12809v4 naristlia
A Survey of Generative Categories and Techniques in Multimodal Large Language Models 
多模式的大型语言模型（MLLM）通过将语言与统一体系结构下的其他感官方式集成在一起，现在跨越了文本生成以外的文本生成，包括图像，音乐，视频，人类运动和3D对象，包括图像，音乐，视频，人类运动和3D对象。这项调查分类了六种主要生成方式，并研究了基础技术，即自我监督的学习（SSL），专家的混合（MOE），从人类反馈（RLHF）和思想链（COT）提示，启用跨模式的能力。我们分析了关键模型，建筑趋势和新兴 ...
0 0 0 2025/07/23 arXiv:2506.10016v2 hellogdc
hellogdc
Adapting Pre-trained Generative Models for Extractive Question Answering 
预先训练的生成模型（例如Bart，T5等）已成为各种自然语言处理任务中文本生成的首选方法，包括抽象的长形式问题回答（QA）和摘要。但是，通常使用判别模型的提取性质量检查任务中生成模型的潜力仍然在很大程度上没有探索 ...
0 0 0 2025/07/23 arXiv:2311.02961v1 zjwbr
Understanding the Performance and Power of LLM Inferencing on Edge Accelerators 
大型语言模型（LLMS）已为各种域名表现出极大的好处，这些域名与代码生成和机器人导航一样多样化。虽然LLM通常是从云数据中心提供的，但关键任务和对隐私敏感的应用程序可能需要本地托管开放LLM模型。鉴于LLM所需的大量GPU内存足迹，Edge加速器（如Nvidia Jetson Orin AGX）具有64GB共享的GPU-CPU RAM，这是一个令人信服的选择 ...
0 1 0 2025/07/23 arXiv:2506.09554v2 BlankScript

来一起翻译吧！


为了您和其他读者获得更好的阅读体验，请您勇敢地改进翻译，特别是一些显而易见的机器翻译错误。


虽然我们追求卓越，但我们并不要求翻译十全十美，因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译，您不必担心会因为您的失误导致无法挽回的破坏。（改编自维基百科）