大视觉语言模型（LVLM）由于具有理解图像和视频的卓越视觉推理能力，在自动驾驶领域受到了广泛关注，极大地推动了可解释的端到端自动驾驶的发展。然而，目前对LVLM的评估主要集中在常见场景下的多方面能力，缺乏自动驾驶环境下的可量化和自动化评估，更不用说即使是最先进的自动驾驶感知系统也难以应对的严峻路况。处理。在本文中，我们提出了 CODA-LM，一种新颖的自动驾驶视觉语言基准，它为可解释的自动驾驶提供 ...

受到预先训练的2D扩散模型的可用性日益增长的鼓励，通过利用评分蒸馏采样（SDS）的图像到3D的生成正在取得显着的进步。大多数现有方法结合了2D扩散模型的新颖视图提升，这些模型通常以参考图像为条件，同时在参考视图上应用硬L2图像监督。然而，密切遵守图像很容易损坏2D扩散模型的归纳知识，从而经常经常导致平坦或扭曲的3D一代 ...

llm（llm）进行编码。这些信息对于想要执行用自然语言表达的高级、临时扩展命令的机器人来说非常有用。然而，语言模型缺乏现实世界的经验是一个关键限制，这使得在特定实施例中使用它们进行决策具有挑战性... ...

我们介绍了Ragenta，这是一个多代理检索型生成一代（RAG）归因性答案（QA）的框架。以值得信赖的答案产生的目标，拉根塔（Ragenta）专注于优化答案正确性，这是由覆盖范围和与问题和忠诚相关的相关性定义的，这衡量了在检索文件中基于的答案的程度。 Ragenta使用的是迭代过滤的多代理体系结构，以在线引用中生成归因的答案，并通过动态改进来验证完整性 ...

即使使用量化的低位模型，一般矩阵矢量乘法（GEMV）仍然是大语言模型（LLM）推断中的关键潜伏期瓶颈。使用PROCESTION-DRAM（PUD）是一种模拟IN-DRAM计算技术，有可能重新利用在设备上的DRAM作为GEMV发动机，从而为无需DRAM修改而提供了其他高通量处理能力。但是，将PUD应用于LLM推理管道中的GEMV操作会产生重要的开销$ \ textIt {the} $和$ \ tex ...

尽管取得了显着的进步，多模态大型语言模型（MLLM）仍然倾向于产生事实上不准确的信息。在这项工作中，我们解决了 MLLM 中的物体幻觉，其中提供了有关模型输入中不存在的物体的信息。我们引入了一种对比调整方法，该方法可应用于预训练的现成 MLLM，以减轻幻觉，同时保留其一般视觉语言功能 ...

工业推荐系统通常由匹配阶段和排名阶段组成，以处理数十亿规模的用户和商品。匹配阶段检索与用户兴趣相关的候选项目，而排名阶段则根据用户兴趣对候选项目进行排序。因此，最关键的能力是对任一阶段的用户兴趣进行建模和表示... ...

大型语言模型（LLMS）的快速发展导致了多机构​​系统（MAS）的出现，以通过协作执行复杂的任务。但是，MAS的复杂性质，包括其建筑和代理互动，引起了人们对知识产权（IP）保护的重大关注。在本文中，我们介绍了Masleak，这是一个新颖的攻击框架，旨在从MAS应用程序中提取敏感信息 ...