在不受约束的，混乱的环境中抓住看不见的物体是自动机器人操纵的重要技能。尽管最近在全6型二元格学习方面取得了进展，但现有方法通常包括复杂的顺序管道，这些管道具有多个潜在的故障点和不适合闭环抓地力的运行时间。因此，我们提出了一个端到端网络，该网络有效地从场景的深度记录中直接生成了6-DOF并行式抓取的分布 ...

商业深度传感器通常会产生噪声和缺失的深度商业深度传感器通常会产生噪声和缺失的深度 ...

媒介量化是植根于香农源编码理论的问题，旨在量化高维欧几里得向量，同时最大程度地减少其几何结构的失真。我们建议涡轮增压剂解决于点误差（MSE）和内部产品失真，克服无法实现最佳失真率的现有方法的局限性。我们的数据合并算法适用于在线应用程序，在所有位宽度和维度上都达到了近乎最佳的失真率（在较小的恒定因素之内） ...

由于对大型语言模型有效进行微调的需求，低级适应（Lora）已被广泛用作最有效的参数有效的微调方法之一。然而，尽管洛拉提高了效率，但准确性仍然可以提高。在此，我们采用了一种新颖的观点来评估洛拉等级的特征 ...

大约最近的邻居搜索（ANN）对于需要有效检索大量矢量数据库结果的现代数据驱动应用程序至关重要。尽管现有的基于图的ANN算法在数十亿个数据集上达到了高召回率，但它们的施工速度缓慢和可扩展性有限阻碍了它们对大型工业场景的适用性。在本文中，我们介绍了Sogaic，这是针对超大规模尺度矢量数据库量身定制的第一个可扩展的过载的基于图形的ANN索引构建系统：1）我们提出了一种动态数据分配算法，其过载构成算法具 ...

关于移动网络设计的最新研究表明，通道注意力（例如，挤压和激发注意力）在提升模型性能方面具有出色的有效性，但它们通常忽略了位置信息，这对于生成空间选择性的注意力图很重要 ...

在过去的几年中，大型语言代码（代码LLM）开始对编程实践产生重大影响。 Code LLM也正在成为编程语言和软件工程研究的基础。但是，代码LLM在其培训数据中很好地代表的编程语言上产生了令人印象深刻的结果（e ...

神经命名实体识别（NER）模型可能很容易遇到过度信心的问题，从而降低了性能和校准。受标签平滑的启发，并受到NER工程边界注释的歧义的驱动，我们提出了边界平滑作为基于跨度神经NER模型的正则化技术。它将实体概率从注释跨度重新分配到周围的跨度 ...