我们介绍了群卷卷积神经网络（G-CNNS），这是卷积神经网络的自然概括，通过利用对称性来降低样品复杂性。 G-CNN使用G-Convolutions，这是一种与常规卷积层相比，重量共享程度要高得多的新型层。 G-Convoltions增加了网络的表达能力而不增加参数的数量 ...
现实世界中的搜索场景中的复杂信息需求需要跨不同来源的深层推理和知识综合，传统的检索效果生成（RAG）管道很难有效地解决。当前基于推理的方法受到基本限制：他们使用单个模型来处理高级计划和详细执行，从而导致推理效率低下和可扩展性有限。在本文中，我们介绍了HIRA，这是一个分层框架，将战略计划与专门执行区分开 ...
随着人工智能的快速发展，已经提出了许多机器学习算法，例如图形神经网络，以促进网络分析或图形数据挖掘。尽管有效，但最近的研究表明，这些先进的方法可能会遭受对抗攻击的影响，即 ...
现实世界中的多模式错误信息通常是由混合伪造来源引起的，需要动态推理和适应性验证。但是，现有方法主要依赖静态管道和有限的工具使用，从而限制了它们处理这种复杂性和多样性的能力。为了应对这一挑战，我们提出了T2Agent，这是一种新颖的错误信息检测剂，将可扩展的工具包与蒙特卡洛树搜索（MCTS）结合在一起 ...
大型语言模型（LLMS）最近由于强大的概括和序列建模功能，在自然语言处理中表现出了令人印象深刻的能力。但是，由于两个基本问题：时间模式的固有异质性以及连续数值信号和离散语言表示之间的模态差距，它们直接应用时间序列预测仍然具有挑战性。在这项工作中，我们提出了TALON，这是一个统一的框架，通过建模时间异质性和执行语义一致性来增强基于LLM的预测 ...
高级材料的发现是人类技术发展和进步的基石。材料及其相应特性的结构本质上是多个自由度的复杂相互作用（例如晶格，电荷，自旋，对称性和拓扑）的结果。这对材料的反设计方法构成了重大挑战 ...
最近的文本对图像（T2I）扩散模型在产生给定文本推出作为输入的高质量图像方面取得了显着的进步。但是，这些模型无法传达由布局指令指定的适当空间组成。在这项工作中，我们使用扩散模型探测了零拍的T2I生成，即生成与输入布局信息相对应的图像，而无需训练辅助模块或燃烧扩散模型 ...
最近的文本到图像扩散模型在产生文本的高分辨率图像方面表现出色，但要精确控制空间组成和对象计数。为了应对这些挑战，一些研究开发了将布局指令纳入文本图模型的布局到图像（L2I）方法。但是，现有的L2I方法通常需要进行微调的预验证参数或训练扩散模型的其他控制模块 ...
