大型语言模型（LLMS）在各种应用中表现出色。但是，在窃，产生假新闻和垃圾邮件中滥用这些模型的潜力引起了人们对其负责使用的关注。因此，对AI生成的文本的可靠检测已成为研究的关键领域 ...

近年来，深度卷积神经网络在人脸识别方面取得了突破。每年在fr领域发表数十篇论文。其中一些应用在工业界，在人类生活中发挥了重要作用，如设备解锁、移动支付等 ... ...

在本文中，我们论证了值分布的根本重要性：强化学习代理收到的随机回报的分布。这与强化学习的常见方法形成对比，强化学习对这种回报或价值的期望进行建模。尽管有大量研究价值分布的文献，但到目前为止，它始终用于特定目的，例如实施风险意识行为... ...

在图像和语言领域中，蒙面自动编码在自我监督的学习方面取得了巨大的成功。但是，基于面具的预仔尚未显示出对点云理解的好处，这可能是由于PointNet（PointNet）无法正确处理训练的标准骨干，而不是测试在训练过程中引入的测试分配不匹配。在本文中，我们通过提出一个歧视性掩蔽式 Transformer 框架，maskPoint}来弥合这一差距 ...

传统的检索演奏生成（RAG）系统采用蛮力内部产品搜索来检索最类似的文档，然后与用户查询结合并传递给语言模型。这使模型可以访问外部知识并减少幻觉。但是，选择适当的k值仍然是实际应用中的重大挑战：小k可能无法检索足够的信息，而大k可以引入过度和无关紧要的内容 ...

基于图的检索效果生成（Graph-rag）通过在外部语料库上进行检索来增强大语言模型（LLMS）。但是，现有方法通常假设静态语料库，每当新文档到达时，都需要昂贵的全部重建，从而限制了它们在动态，不断发展的环境中的可扩展性。为了解决这些局限性，我们介绍了Erarag，这是一种新型的多层图形抹布框架，支持有效且可扩展的动态更新 ...

在本文中，我们开发了一个强大，有效的视觉大满贯系统，该系统利用了低阈值，基线线和闭环钥匙帧功能的空间抑制。使用ORB-SLAM2，我们的方法包括立体声匹配，框架跟踪，本地捆绑包调整以及线和点全局束调整。特别是，我们根据基线贡献了重新注射 ...

鉴于输入图及其标签/属性，图形学习的几个关键问题，例如查找可解释的子图，图形降解和图形压缩，可以归因于识别原始图的子图的基本问题。该子图应尽可能提供信息，但包含冗余和嘈杂的结构。此问题设置与众所周知的信息瓶颈（IB）原理密切相关，但是，对于不规则的图形数据和图形神经网络（GNNS），研究较少研究 ...