许多现实世界的分析问题涉及两个重大挑战：预测和优化。由于每个挑战的典型复杂性质，因此标准范式被预测 - 优化。总的来说，机器学习工具旨在最大程度地减少预测错误，并且不考虑如何在下游优化问题中使用预测 ...

大型语言模型（LLM）在临床决策支持中表现出了巨大的潜力。然而，LLMS仍然遭受幻觉的困扰，缺乏细粒度的上下文医学知识，从而限制了其高风险的医疗保健应用，例如临床诊断。传统的检索生成（RAG）方法试图解决这些局限性，但经常检索稀疏或无关紧要的信息，破坏了预测准确性 ...

动画着色是真实动画行业生产的关键部分。长时间的动画着色的人工成本很高。因此，基于视频生成模型的自动长动画着色具有重要的研究值 ...

我们研究了各种提示策略，通过输入增强使用大语言模型（LLM）来增强个性化推荐性能。我们提出的方法称为 LLM-Rec，包含四种不同的提示策略：（1）基本提示，（2）推荐驱动提示，（3）参与引导提示，以及（4）推荐驱动+参与引导提示。我们的实证实验表明，合并 LLM 生成的增强输入文本可以提高推荐性能 ...

噪声合成是一种有前途的解决方案，用于解决数据驱动的低光原始图像denoising中的数据短缺问题。但是，准确的噪声合成方法通常需要在准备过程中进行劳动密集型校准和分析程序，从而阻止它们在大规模上降落到练习。这项工作基于对噪声特性的详细分析和广泛的广泛技术的详细分析，引入了实际上简单的噪声合成管道 ...

实现人类水平的智能需要完善从快速，直觉系统1到较慢，更故意的系统2推理的过渡。虽然系统1在迅速的启发式决策中表现出色，但系统2依赖于逻辑推理来进行更准确的判断和减少偏见。基础大语言模型（LLM）在快速决策方面表现出色，但缺乏复杂推理的深度，因为它们尚未完全接受真正系统2思维的分步分析特征 ...

准确的单眼度量深度估计（MMDE）对于解决3D感知和建模的下游任务至关重要。但是，最近的MMDE方法的显着准确性仅限于其训练领域。即使在存在中等域间隙的情况下，这些方法也无法推广到看不见的域，这阻碍了它们的实际适用性 ...

本文介绍了一种新型的预训练的空间时间次次（P-STMO）模型，用于2 to-3d人类姿势估计任务。为了减少捕获空间和时间信息的困难，我们将此任务分为两个阶段：预训练（I期）和微调（II阶段）。在第一阶段，提出了一个自我监督的预训练子任务，称为蒙面姿势建模 ...