我们评估了合并多个大语模型的OpenFoAmgpt的性能。当前的某些模型有效地管理不同的CFD任务，例如调整边界条件，湍流模型和求解器配置，尽管它们的 Token 成本和稳定性各不相同。本地部署的较小型号（例如QWQ-32B）努力为复杂过程生成有效的求解器文件 ...
在现实世界中，在雾兹下拍摄的图像的降解可能非常复杂，其中雾度的空间分布因图像而异。最近的方法采用深层神经网络，直接从朦胧的图像中恢复了清洁场景。 However, due to the paradox caused by the variation of real captured haze and the fixed degradation parameters of the current n ...
大多数飞行方法都有有限的接收领域，并且没有探索在视觉模型中封装的丰富语义先验，这些模型已被证明在下游任务中有效。在本文中，我们介绍了Cliphaze，这是一个开创性的混合框架，它通过先验知识和剪辑的零拍功能协同了Mamba的有效全球建模，以同时解决这两个问题。具体而言，我们的方法采用平行的状态空间模型和基于窗口的自我注意力，分别获得全球上下文依赖性和局部细粒度的感知 ...
大型语言模型（LLMS）取得了显着的进步，证明了各种自然语言处理任务中前所未有的功能。但是，与此类出色绩效相关的高成本限制了LLM的广泛采用，强调了迅速压缩的需求。现有的及时压缩方法主要依赖于启发式截断或抽象性摘要技术，从根本上讲，这些技术从根本上忽略了LLM的内在机制，并且缺乏对 Token 对生成重要性的系统评估 ...
尽管最近取得了进步，但文本到图像生成模型通常会产生包含人工制品的图像，尤其是在人类人物中。这些伪影似乎是人体产生的不良，包括扭曲，失踪或额外的身体部位，导致与典型的人类解剖结构的视觉不一致，并极大地损害了整体保真度。在这项研究中，我们通过策划人伪影数据集（HAD）来应对这一挑战，这是一个专门针对本地人工制品的多种数据集 ...
随着深度学习模型的数据需求的增加，主动学习（AL）对于从策略性地选择标签的样本至关重要，这可以最大程度地提高数据效率并降低培训成本。现实世界中的情况需要考虑AL内的不完整数据知识。先前的工作解决了处理分布（OOD）数据的地址，而另一个研究方向则集中在类别发现上 ...
大型视觉语言模型（LVLM）的视觉指导调整（VIT）需要在图像实施对的扩展数据集上进行培训，这可能是昂贵的。 VIT数据选择中的最新努力旨在选择一小部分高质量的图像指导对，从而减少VIT运行时，同时保持与全尺度训练相当的性能。但是，经常被忽视的主要挑战是，从未标记的VIT图像生成说明非常昂贵 ...
许多科学领域的数据具有潜在的结构，该结构是非欧国人空间。一些示例包括计算社会科学中的社交网络，通信中的传感器网络，大脑成像中的功能网络，遗传学中的调节网络以及计算机图形中的网状表面。在许多应用中，这种几何数据是大而复杂的（就社交网络而言，数十亿美元），并且是机器学习技术的自然目标 ...
