这项研究揭示了多轮交互中大型语言模型（LLM）的安全漏洞，其中恶意用户可以掩盖多个查询中的有害意图。我们介绍了 ActorAttack，这是一种受行动者网络理论启发的新型多轮攻击方法，它将语义链接的行动者网络建模为攻击线索，以生成针对有害目标的多样化且有效的攻击路径。 ActorAttack 解决了多轮攻击中的两个主要挑战：(1) 通过创建有关攻击者的无害对话主题来隐藏有害意图，以及 (2) 通过 ...
这篇综述系统地研究了您只看一次（YOLO）对象检测算法从Yolov1到最近揭幕的Yolov12的进展。该研究采用反向时间顺序分析，研究了Yolo算法引入的进步，从Yolov12开始，并通过Yolo11（或Yolov11），Yolov11），Yolov11，Yolov9，Yolov9，Yolov8，以及随后的版本，以探索每个版本对增强速度，检测速度，检测准确性准确效率和计算对象的贡献。此外，这项研究 ...
人类的看法将视觉，听力和语言等多种方式融入了对周围现实的统一理解。尽管最近的多模式模型通过通过对比度学习对齐方式取得了重大进展，但在扩展到多种方式时，它们的解决方案不合适。这些模型通常将每种模式与指定的锚点保持一致，而不会确保彼此之间的所有模式对齐，从而在需要共同理解多种模态的任务中表现出色 ...
时间序列中的异常检测对于工业监测和环境传感至关重要，但是将异常与复杂模式区分开来仍然具有挑战性。现有的方法（例如异常 Transformer 和DCDETECTOR）已经取得了进展，但是它们面临着诸如对短期环境的敏感性以及嘈杂，非平稳环境的效率低下的限制。为了克服这些问题，我们介绍了MAAT，这是一种改进的体系结构，可增强关联差异建模和重建质量 ...
异常检测（AD）是时间序列分析的基本任务，对许多应用程序的下游性能具有重要意义。与其他主要集中在基于点的异常上的域相比（即 ...
视频本质上是其本质的时间序列。在这项工作中，我们探讨了以年代和可扩展性的方式建模视频的潜力，其灵感来自于其在自然语言处理方面的成功。我们介绍了Dicode，这是一种新颖的方法，它利用扩散压缩的深度 Token 以自动回归方式以语言模型生成视频 ...
在过去的几年中，视觉变形金刚在各种计算机视觉任务中取得了巨大的成功。但是，他们的高计算成本仍然是其实际部署的重大障碍。特别是，对于输入 Token 的数量， Transformer 模型的复杂性是二次的 ...
诸如Mamba之类的状态空间模型由于能够捕获序列模式的能力，最近在时间序列预测中引起了人们的关注。但是，在电力消耗基准中，MAMBA预测的平均误差约为8％。同样，在交通占用基准中，平均误差达到18％ ...
