多模式大型语言模型（MLLM）通过通过文本和图像启用互动来扩展传统语言模型的功能。但是，确保这些模型的安全仍然是一个重大挑战，特别是在准确确定多模式内容是安全的还是不安全的，我们将其称为安全意识。在本文中，我们介绍了MMSAFEAWARE，这是第一个综合的多模式安全意识基准测试，旨在评估29个安全场景中的MLLM，并使用1500个精心策划的图像推出对 ...

边缘扰动是修改图形结构的基本方法。它可以根据它们对图形神经网络（GNN）的性能的影响（即 ...

一致性蒸馏方法在加速扩散模型的生成任务方面取得了显着成功。但是，由于以前的一致性蒸馏方法在选择目标时间步中使用简单明了的策略，因此它们通常会在生成的图像中与模糊和细节损失斗争。为了解决这些局限性，我们引入了目标驱动的蒸馏（TDD），（TDD）（1）采用了目标时间段的精致选择策略，从而提高了训练效率； （2）在培训期间利用脱钩的指导，使TDD在推理期间对指导量表进行调节开放； （3）可以选择配备非均 ...

质量估计（QE）模型评估机器翻译的质量而无需参考翻译，作为翻译任务的奖励模型。由于数据稀缺，合成数据的生成已成为有希望的解决方案。但是，合成的量化量化宽松数据通常遭受分布变化的影响，这可能表现为伪和真实翻译之间的差异，或者在与人类偏好不符的伪标签中 ...

诸如Tensorflow和Pytorch之类的深度学习框架为在单个设备上或使用数据并行性上表达和训练深神经网络（DNN）模型提供了一种有效的接口。尽管如此，它们可能在训练分布式设备上出现的大型模型方面可能不够灵活或有效，这需要更复杂的并行性超出数据并行性。已经开发出插件或包装器来加强这些框架的模型或管道并行性，但它们使分布式深度学习的使用和实施变得复杂 ...

跨域顺序推荐（CDSR）旨在根据跨多个域的历史互动来预测未来的用户互动。 CDSR中的主要挑战是通过完全利用内部序列和序列项目相互作用来有效地捕获跨域用户偏好。在本文中，我们提出了一种新颖的方法，即用于跨域顺序推荐（IFCDSR）的图像融合，该方法结合了项目图像信息以更好地捕获视觉偏好 ...

大型语言模型（LLM）的多代理系统显示出自动化现实世界任务的希望，但由于其特定于领域的性质而努力转移跨域。当前的方法面临两个关键的缺点：当应用于新域时，它们需要完整的体系结构重新设计和对所有组件进行全面重新培训。我们介绍了劳动力，这是一种层次多代理框架，将战略规划从专业执行中解散到一个模块化体系结构，包括：（i）用于任务分解的域 - 无关计划者，（ii）子任务管理的协调员，以及（iii）具有特定特 ...

我们在z = 5.077处提出了一个宽线活跃的银河核（AGN），并通过Jades和Blackthunder Surveys观察到NIRSPEC/MSA和NIRSPEC/IFU。该目标展示了“小红点”（LRD）AGN的所有标志性特征 ...