通过加强学习培训的大型语言模型（LLM）表现出强大的推理能力和新兴的反思行为，例如回溯和误差校正。但是，传统的马尔可夫RL将探索局限于培训阶段，以学习最佳的确定性政策，并仅通过当前状态取决于历史上下文。因此，尚不清楚在马尔可夫RL培训期间是否会出现反思性推理，或者为什么它们在考试时有益 ...

基础模型通过增强各种图像解释任务来重塑遥感（RS）的景观。预处理是一个积极的研究主题，涵盖了受监督和自我监督的学习方法，以有效地初始化模型权重。但是，将预处理的模型转移到下游任务可能会遇到任务差异，因为它们以图像分类或对象歧视任务为单位 ...

由于大语言模型（LLM）的稳定进步，语音编码算法和Vocoder结构，最近的进步已启用了直接从用户指令中生成语音响应。但是，考虑到从追求语义准确性转变为生动和自发的语音流的转变，基于产生的语音质量是一个被忽视但关键的问题。先前的评估重点是缺乏声学质量的语音理解能力 ...

航空图像中的物体通常嵌入在复杂的背景中并呈现任意方向。当使用定向边界框（（obb）来表示任意定向对象时，角度的周期性可能会导致边界处标签回归值的不连续性，从而引起损失函数的突然波动。为了解决这个问题，在定向检测框架中引入了基于复平面的，在定向检测框架中引入了基于复平面的 ...

视觉 Transformer （vits）在计算机视觉任务中取得了显着的成功。然而，它们在旋转敏感场景中的潜力尚未得到充分开发，它们在旋转敏感场景中的潜力尚未得到充分开发，我们提出了一种称为空间变换解耦（，std），的新颖方法，为使用vit进行定向对象检测提供了一种简单而有效的解决方案... ...

结合许多现有预测指标的优势，以获得优于其各个组件的专家的混合，这是提高性能的有效方法，而无需开发新的体系结构或从头开始训练模型。但是，令人惊讶的是，我们发现以与深层合奏类似的方式将天真的专家对象探测器组合在一起，通常会导致性能退化。我们确定该问题的主要原因是专家的预测与他们的表现不符，该术语称为错误校准 ...

大语言模型（LLM）和数据管理（数据）的集成正在迅速重新定义两个领域。在这项调查中，我们全面回顾了双向关系。 On the one hand, DATA4LLM, spanning large-scale data processing, storage, and serving, feeds LLMs with high quality, diversity, and timeliness of ...

在在线广告领域中，优化转化措施对于向用户提供相关产品并增强业务成果至关重要。由于用户交互之间的延迟，例如印象或点击和实际转换，预测转换事件是具有挑战性的。这些延迟在各种广告商和产品中都有很大差异，需要针对目标转换的明显优化时间窗口 ...