从动态场景（其中对象随时间移动和变形）估计几何形状仍然是计算机视觉的核心挑战。当前的方法通常依赖于多级管道或全局优化，将问题分解为子任务，例如深度和流程，导致复杂的系统容易出错。在本文中，我们提出了 Motion DUSt3R (MonST3R)，这是一种新颖的几何优先方法，可以直接估计动态场景中每个时间步长的几何形状 ...

在现实世界中利用大型语言模型通常需要使用特定于域的数据和工具，以遵循需要遵循的复杂法规，这些法规需要遵循可接受的使用。在金融部门内，现代企业越来越依靠检索增强的发电（RAG）系统来满足财务文档工作流程中复杂的合规要求。但是，现有的解决方案难以说明数据的固有异质性（e ...

在大型语言模型（LLM）的背景下，当前的高级推理方法在各种推理任务中取得了令人印象深刻的进步。但是，当涉及逻辑推理任务时，疗效和效率既有主要挑战。这是基于这样一个事实，即这些系统无法在整个推理过程中（例如分解，搜索和分辨率）充分利用逻辑任务的固有结构 ...

Web应用程序的许多预测任务都需要建模分类变量，例如用户ID和人口统计信息，例如性别和职业。为了应用标准的机器学习技术，这些分类预测变量始终通过单热编码转换为一组二进制功能，从而使结果特征向量高度稀疏。要有效地从这样的稀疏数据中学习，要说明功能之间的相互作用至关重要 ...

多跳的问题回答（MHQA）对于评估该模型可以整合来自不同来源的信息的能力至关重要。但是，创建广泛而高质量的MHQA数据集很具有挑战性：（i）手动注释很昂贵，（ii）当前的合成方法通常会产生简单的问题或需要大量的手动指导。本文介绍了Hopweaver，这是第一个自动框架综合了无人干预的非结构化文本语料库中真实的多跳问题 ...

现实世界业务中的CTR预测是一个很难的机器学习问题，具有大规模的非线性稀疏数据。在本文中，我们引入了一种工业强度解决方案，其模型名为“大规模”线性模型（LS-PLM）。我们使用$ L_1 $和$ L_ {2,1} $正规机构来制定学习问题，从而导致非凸和非平滑优化问题 ...

LLM具有先进的推理能力，提供了将自然语言问题转化为数学模型的潜力。但是，操作研究领域中现有的开源数据集缺乏建模过程的详细注释，例如可变定义，仅关注客观值，这阻碍了增强学习应用。为了解决这个问题，我们释放结构器数据集，并使用捕获完整的数学建模过程的综合标签注释 ...

参与相关的内容对于哺乳动物的大脑和现代机器学习模型（例如变形金刚）都是至关重要的。然而，确定相关性仍然是一个核心挑战，传统上被卸载到学习算法之类的算法。这项工作是受到新的皮层金字塔细胞与不同精神状态的最新细胞神经生物学证据的启发，该工作表明了模型的方式（e ...