在这项工作中，我们评估了LLM在各种任务和数据大小上的优化功能。这些任务中的每一个都对应于唯一的优化域，而LLMS必须通过交互式提示执行这些任务。也就是说，在每个优化步骤中，LLM都会从过去生成的解决方案中生成新的解决方案，然后在下一个优化步骤中评估和考虑新的解决方案 ...

准确的城市时空预测（USTP）对于智能城市的发展和运营非常重要。作为一个新兴的构建块，多源的城市数据通常被整合为城市知识图（URBANKGS），以为城市时空预测模型提供关键知识。但是，现有的Urbankgs通常是针对特定的下游预测任务量身定制的，并且不公开可用，这限制了潜在的进步 ...

引入了低复杂性8点正交近似DCT。提出的转换不需要乘法或位移动操作。派生的快速算法仅需要14个添加，小于任何现有的DCT近似 ...

最近，大型推理模型（LRMS）（例如DeepSeek-R1）的推理能力通过缓慢的思考过程看到了显着的进步。尽管取得了这些成就，但LRM的大量计算需求带来了巨大的挑战。相反，与LRMS相比，通常从较大的推理模型（SRMS）（SRMS）提供了更高的效率，并且可以表现出独特的功能和认知轨迹 ...

Self-driving vehicles are a maturing technology with the potential to reshape mobility by enhancing the safety, accessibility, efficiency, and convenience of automotive transportation. Safety-critical ...

文档结构化提取（DSE）旨在从原始文档中提取结构化内容。尽管出现了许多DSE系统，但他们的统一评估仍然不足，这极大地阻碍了该领域的进步。这个问题主要归因于现有的基准范式，这些基准范式表现出碎片和局部特征 ...

受限的解码，一种用于在语言模型输出上强制约束的技术，提供了一种控制文本生成的方法，而无需重新训练或建筑修改。但是，它的应用程序通常仅限于使用户访问下一言发行的模型（通常是通过SoftMax Logits），这对Blackbox大语言模型（LLMS）构成了限制。本文介绍了素描引导的约束解码（SGCD），这是一种针对BlackBox LLM的约束解码的新方法，该方法无需访问BlackBox LLM的逻 ...

 Transformer 架构在各种模型中占主导地位。作为 Transformer 的核心，注意力的计算复杂度为 O(N^2)，而线性变换的计算复杂度为 O(N)。当处理大序列长度时，注意力成为主要耗时的组成部分 ...