3D占用预测是以视觉为中心自动驾驶的鲁棒性的重要任务，该任务旨在预测每个点是否在周围的3D空间中占据。现有方法通常需要3D占用标签来产生有意义的结果。但是，注释每个体素的占用状态非常费力 ...

文本到SQL提示基于大语言模型（LLM）的策略在众所周知的基准上实现了显着的性能。但是，当应用于现实世界数据库时，它们的性能明显少于这些基准，尤其是对于自然语言（NL）问题，需要处理复杂的过滤器和加入。然后，本文提出了一种策略，将NL问题编译到SQL查询中，该查询包含了动态的几示示例策略，并利用数据库关键字搜索（KWS）平台提供的服务 ...

由多模式大语模型（LLMS）提供动力的最近的计算机使用代理（CUAS）为通过自然语言自动化复杂的桌面工作流程提供了有希望的方向。但是，大多数现有的CUA仍然是概念性原型，受到浅OS集成，基于脆弱的屏幕截图的交互和破坏性执行的阻碍。我们提出了UFO2，这是一种用于Windows台式机的多重代理，将CUAS提升到实用的系统级自动化中 ...

近年来，大型语言模型（LLMS）在各种任务中取得了巨大的成功。但是，它们在自动论文评分领域（AES）的潜力在很大程度上仍未得到充实。此外，与英语数据相比，中国AES的方法还不佳 ...

最近的研究表明，大型语言模型容易受到推断培训数据方面的隐私攻击。但是，目前尚不清楚更简单的生成模型（例如主题模型）是否共享类似的漏洞。在这项工作中，我们提出了对主题模型的攻击，该攻击可以自信地识别潜在的Dirichlet分配中的培训数据成员 ...

大语言模型（LLM）的显着成功已扩展到多模式领域，在图像理解和产生方面取得了出色的表现。开发整合这些功能的统一多模式大语模型（MLLM）的最新努力已显示出令人鼓舞的结果。但是，现有的方法通常涉及模型架构或训练管道中的复杂设计，从而增加了模型培训和扩展的困难 ...

联合学习（FL）使分布式客户能够在不暴露其私人数据的情况下进行协作训练模型。但是，由于资源有限，很难实施有效的FL。大多数现有的作品都会压缩传输梯度或修剪全球模型以降低资源成本，但将压缩或修剪的参数放在不优化的情况下，从而降低了培训性能 ...

缺乏定量措施来评估动态主题模型（DTMS）中时间的进步。在填补这一空白时，我们提出了针对DTM的新型评估措施，可以分析随着时间的推移，每个主题质量的变化。此外，我们提出了将主题质量与模型的时间一致性相结合的扩展 ...