缺乏多样化和高质量的问题，阻碍了传统领域（例如数学和编码）之外的扩展推理功能。为了克服这一限制，我们引入了一种可扩展的方法，用于产生各种各样的挑战性推理问题，并伴随着参考答案。我们提出了自然探测，这是一个包含2的综合数据集 ...

大型语言模型（LLM）的最新进展表明，过程奖励模型（PRMS）在增强模型性能中起着至关重要的作用。但是，培训PRM通常需要手动注释或自动生成的阶梯级标签，这可能是昂贵且难以在大规模上获得的。为了应对这一挑战，我们介绍了FreePRM，这是一个较弱的监督框架，用于培训PRM，而无需访问地面级别的标签 ...

街头场景的现实重建对于在自动驾驶中开发现实世界模拟器至关重要。大多数现有方法都依赖于对象姿势注释，使用这些姿势重建动态对象并在渲染过程中移动它们。这种对高精度对象注释的依赖性限制了大规模和广泛的场景重建 ...

建模和渲染动态的城市驾驶场景对于自动驾驶模拟至关重要。当前的高质量方法通常依赖于昂贵的手动对象踪迹注释，而自我监管的方法无法准确捕获动态对象运动并正确分解场景，从而导致渲染工件。我们介绍了AD-GS，这是一个新颖的自我监督框架，用于从单个日志中对驾驶场景进行高质量的自由视图渲染 ...

我们在I型SEESAW框架中重新审视了具有分层质谱的三个沉重的Majorana Neutminos。我们专注于低能观测值，特别是最轻的中微子质量$ m _ {\ nu}^{\ rm lightest} $和中微子双β衰减有效质量参数$ m^{\ rm eff} _ {\ beta \ beta \ beta} $。特别是，我们从数值上计算最轻的重量中微子的最小质量，$ m_1^{\ rm min} ...

针对结构化环境量身定制的SLAM方法已经取得了很大的进步，但是在挑战性的角案例下它们的稳健性仍然是一个关键限制。尽管整合多种传感器的多传感器融合方法已显示出令人鼓舞的性能提高，但研究社区面临两个关键障碍：一方面，缺乏标准化和可配置的基准测试，这些基准在多样化的降级场景下系统地评估了SLAM算法的全面绩效评估。另一方面，现有的SLAM框架主要集中于融合有限的传感器类型，而无需有效地解决不同环境条件的 ...

已知由非信息的几何形状引起的归化性会导致基于激光雷达的定位和映射恶化。这项工作引入了一种新的概率方法，以检测和减轻脱离平面误差最小化的变性作用。平面优化问题的Hessian上的噪声的特征是其构造中使用的点和表面正态上的噪声 ...

对比语言图像预训练（CLIP）是一种在共享嵌入空间中对齐图像和文本的高效方法。这些模型广泛用于跨模态信息检索和多模态理解等任务。然而，CLIP 模型经常难以处理纯文本任务，与专门的文本模型相比表现不佳 ...