在不同条件下对计算机视觉模型的系统评估和理解需要大量数据，并具有全面和自定义的标签，而现实世界的视觉数据集很少满足。虽然当前的合成数据生成器提供了一种有希望的替代方案，尤其是对于体现的AI任务，但由于资产低和质量质量，多样性有限和不切实际的物理特性，它们通常会缩短计算机视觉任务。我们介绍了行为视觉套件（BVS），这是一组工具和资产，以生成完全自定义的合成数据，以系统地评估计算机视觉模型，这是基于新 ...

基于 Transformer 的大型语言模型（LLMS）在长篇小说生成中表现出令人印象深刻的表现。扩展上下文长度的时间不成比例地将LLMS的内存足迹转移到了键值缓存（KV CACH）。在本文中，我们提出了HeadInfer，该文件将KV缓存卸载到CPU RAM，同时避免需要将KV缓存完全存储在GPU上的任何 Transformer 层 ...

到2028年，大多数网络安全行动将是自主的，人类进行了态度。我们介绍了网络安全上自治级别的第一个分类，并引入网络安全AI（CAI），这是一个开源框架，通过专门的AI代理商将高级安全测试民主化。通过严格的经验评估，我们证明CAI始终优于最先进的CTF基准测试，解决了在不同类别的挑战，其效率明显高于3,600倍，比人类在特定任务中快3,600倍，并且总体平均更快地平均11倍 ...

网络对齐（NA）是在不同网络上发现节点对应关系的任务。尽管NA方法在无数的场景中取得了巨大的成功，但它们令人满意的性能并非没有先前的锚链接信息和/或节点属性，这可能并不总是可用。在本文中，我们提出了一种使用节点属性增强的新型NA方法的Grad-Align+，对于没有此类其他信息，它非常可靠 ...

本文概述了Sheaf理论在深度学习，数据科学和一般计算机科学中的应用。这项工作的主要文本是对具有适度数学熟悉的人可以访问的应用和计算层状理论的友好介绍。我们描述了理论研究人员和从业人员共享的直觉和动机，桥接经典的数学理论及其在信号处理和深度学习中的最新实现 ...

随着Frontier AI的迅速发展，了解其对网络安全和固有风险的影响对于确保安全AI的进化至关重要（例如，指导风险缓解并告知政策制定者）​​ ...

在多模式情感分析（MSA）中，模型的性能高度取决于合成嵌入的质量。这些嵌入是由称为多模式融合的上游过程生成的，该过程旨在提取和组合输入单峰原始数据以产生更丰富的多模式表示。先前的工作要么向后发展任务损失，要么操纵特征空间的几何特性，以产生有利的融合结果，这忽略了保存与任务相关的关键信息，这些信息从输入流向融合结果 ...

我们为实时实例分割提供了一个简单的，完全横向的模型，该模型以33.5 fps在单个Titan XP上评估的MS Coco上获得29.8 MAP，该模型比任何以前的竞争方法都要快得多 ...