大型语言模型（LLM）和多模式大语言模型（MLLM）集成到移动GUI代理中的用户效率和经验显着提高。但是，这种进步还引入了尚未探索的潜在安全漏洞。在本文中，我们介绍了对多模式移动GUI代理商的系统安全调查，以解决现有文献中的这一关键差距 ...

随着大语言模型（LLM）的迅速增长，电话自动化发生了变化的变化。本文系统地回顾了LLM驱动的电话GUI代理，突出了它们从基于脚本的自动化到智能自适应系统的演变。我们首先将关键挑战的背景化，（i）有限的一般性，（ii）高维护开销和（iii）意图理解较弱，并通过先进的语言理解，多模式感知和强大的决策来展示LLM如何解决这些问题 ...

设计有效的损失功能在训练深度推荐系统中起着至关重要的作用。大多数现有作品通常都利用预定义和固定的损失功能，这可能会导致次优建议质量和培训效率。最近的一些努力依赖于详尽或手动搜索的权重来融合一组候选损失功能，这在计算和时间上的成本高昂 ...

我们引入了一个双流生成排名网络（DFGR），以进行推荐方案。该体系结构仅利用原始的用户行为序列信息以及少量的基本信息，描述了依靠大量手动功能工程的深度学习建议模型（DLRMS）的局限性。 DFGR采用双流动机制来优化相互作用建模，确保通过端到端 Token 处理有效训练和推断 ...

强化学习 (RL) 在实现复杂机器人操作技能的自主获取方面具有广阔的前景，但在现实环境中实现这种潜力一直具有挑战性。我们提出了一种基于人机循环视觉的 RL 系统，该系统在各种灵巧操作任务中表现出了令人印象深刻的性能，包括动态操作、精确组装和双臂协调。我们的方法集成了演示和人工修正、高效的 RL 算法和其他系统级设计选择，以学习能够实现近乎完美的成功率和仅 1 到 2 秒的快速周期时间的策略 ...

近年来，大型语言模型（LLMS）在各种自然语言处理（NLP）任务中表现出了出色的功能。但是，这种令人印象深刻的表现通常是由于参数规模增加的权衡，因此对广泛部署构成了重大挑战。知识蒸馏（KD）通过将知识从大型教师模型转移到较小的学生模型来提供解决方案 ...

随着摩尔的扩展时代的结束，特定应用的硬件加速器似乎是提高计算系统性能和功率效率的一种有吸引力的方式。具有大量硬件加速器以及多个通用CPU的大量异质系统是一个有前途的方向，但是就加速器的加速器和设计粒度的任务计划而言，构成了一些挑战。本文通过开发一个示例异质系统来促进多个应用程序来共享可用的加速器，从而解决了这些挑战 ...

现有的基于及时的方法在不断学习中表现出令人印象深刻的表现，并利用预先培训的大规模模型进行分类任务。但是，由于医疗和自然域之间的概念差距，提示和图像文本 Token 之间的前景 - 背景信息与提示和图像文本 Token 之间的关注之间的紧密耦合在增量医学对象检测任务中面临着重大挑战。 To overcome these challenges, we introduce the \method~fra ...