因为我们有力地被理解，所以我们创建了公共外部表征 - 哑剧，语言，艺术 - 以外部化我们的内在状态。我们认为，这种外部表示是访问意识的前提，即用于推理的全球信息。然而，与“原始体验”的丰富性相比，访问意识的带宽很小，因此没有外部表示能够全面复制这种丰富性 ...

注意机制主要旨在捕获单词之间的成对相关性，已成为机器学习的骨干，扩展到自然语言处理超越其他领域。适应性的增长是以过分庞大的记忆要求和计算复杂性为代价的，尤其是在更高的输入元素下。这种限制是由于固有的数据重用机会和记忆足迹的二次增长造成的，导致了严重的内存结合度和输入元素的可扩展性有限 ...

出现是复杂性科学中的一个概念，它描述了多体系统表现出新的高级特性，可以通过用较低维有效变量和理论代替高维机制来描述这些属性。这是由“更多是不同”的想法所捕获的。智能是一种出现的紧急财产，表现出越来越有效的效率 - 更便宜，更快地使用了新兴能力来解决问题 ...

追踪现实世界中一般全身运动的能力是构建通用人形机器人机器人的有用方法。但是，由于动议的时间和运动学多样性，政策能力以及上部和下部协调的难度，实现这一目标可能具有挑战性。为了解决这些问题，我们提出了GMT，GMT是一个通用且可扩展的运动跟踪框架，该框架训练单个统一的政策，以使人形机器人能够跟踪现实世界中的各种动议 ...

现代大型语言模型（LLM）配备了调用功能的功能，可以利用外部工具来仅通过语言技能来解决一系列无法​​实现的任务。但是，这些工具的有效执行不仅依赖于LLM的高级功能，而且还取决于精确的用户说明，这些说明通常无法在现实世界中确保。为了评估LLMS工具使用的性能在不完美的说明下，我们精心仔细检查了从用户查询的实际说明，分析错误模式并构建一个具有挑战性的工具使用基准标准，称为噪音工具台（NoisyTool ...

由于各种运动需求和数据冲突，实现对类人形机器人的一般敏捷全身控制仍然是一个重大挑战。尽管现有的框架在培训单运动特定政策方面表现出色，但由于控制要求冲突和数据分布不匹配，他们努力跨越高度不同的行为。在这项工作中，我们提出了Bumblebee（BB），这是一个专家学习框架，结合了运动聚类和SIM卡对现实的改编以克服这些挑战 ...

在过去的几十年中，我们目睹了社会昆虫的信息素如何成为群体机器人技术的丰富灵感来源。通过利用物理群机器人系统中的虚拟信息素来协调个体并实现诸如社交昆虫之类的直接/间接机器人间通信，就出现了柱头行为。但是，许多研究在解决群问题方面仅考虑一个单一的信息素，在实际昆虫中并非如此 ...

意图建模在推荐系统中引起了广泛的关注。作为用户选择项目背后的核心动机，意图对于阐明建议结果至关重要。当前的主流建模方法是将意图抽象为不可知但可学习的共享或非共享参数 ...