在本文中，我们旨在为系统设计一个最佳采样器，在该系统中，信号的新鲜样品（源）通过不可靠的通道发送到远程估计器，并通过反馈通道发送确认。由于时间变化的通道条件，正向通道和反馈通道都可以随机传输时间。通过分布式感应的激励，估计器可以通过结合通过通道接收的信号样本以及从局部传感器收集的嘈杂信号观测值来估计源信号的实时值 ...

语言图像预训练是一种在一般领域中学习强大表示形式的有效技术。但是，当直接转向人的代表性学习时，这些一般培训方法的性能不令人满意。原因是他们忽略了与人相关的关键特征，即 ...

尽管多功能推荐人在匹配阶段取得了重大进展，但我们的研究表明，现有的模型倾向于表现出群集的项目嵌入空间，从而导致项目和障碍物项目检索之间的识别性较低。这突出了项目嵌入增强的必要性。但是，由于手动注释任务的劳动密集型性质，在许多公共数据集中，在许多公共数据集中都无法使用的项目属性可以作为有效而直接的侧面信息进行增强 ...

尽管大型语言模型（LLMS）在一般任务中表现良好，但特定于域的应用程序会遭受幻觉和准确性限制。持续的预训练（CPT）方法遇到了两个关键问题：（1）域偏向数据降低了通用语言技能，以及（2）杂音混合比率不当限制有效适应。为了解决这些问题，我们提出了一个新颖的框架，即损失的混合物（MOL），该框架将其针对特定领域特定和一般语料库的优化目标 ...

基于 Transformer 的大型语言模型（LLM）已经在长篇文本任务上取得了显着的结果，但是随着序列长度的增加，GPU内存（VRAM）资源有限的资源很难适应对键值（KV）缓存的线性增长需求，这已成为用于长序列中LLMS瓶颈的瓶颈。现有的KV缓存压缩方法包括驱逐，合并或量化KV缓存以降低其大小。但是，压缩会导致不可逆转的信息遗忘，并可能影响后续解码的准确性 ...

具有长上下文Windows的大型语言模型（LLMS）启用强大的应用程序，但以高内存消耗为代价来存储密钥和值状态（KV-CACHE）。最近的研究试图将KV-CACHE从多个层合并为共享表示形式，但是这些方法要么需要昂贵的预处理，要么依赖于通常在实践中不存在的层次层次相似性的高度相似性的假设。我们发现，在KV-CACHE的多个层中，主要的奇异向量非常合适 ...

最近，大规模的视觉语言预先训练（VLP）模型在各种下游任务中表现出令人印象深刻的表现。受这些进步的激励，开创性的努力在多标签图像识别中出现了，缺少标签，利用VLP及时调用技术。但是，由于复杂的语义差距和多标签图像中缺少标签，它们通常无法很好地匹配文本和视觉功能 ...

鉴于心理问题的巨大社会影响，心理原则的复杂性强调了一个重大的社会挑战。弥合理解这些原则与其实际临床和现实世界应用之间的差距需要严格的探索和熟练的实施。最近，高度适应性和可重复使用的人工智能（AI）模型的迅速发展已成为一种有前途的方法，可以在心理学领域解锁前所未有的能力 ...