由于其出色的准确性,变形金刚在不同应用领域中引起了人们的关注。但是,这些数据密集型模型为现有计算体系结构增加了巨大的性能需求。收缩期阵列是商业AI计算平台(例如Google TPU)采用的空间体系结构,因为它们的能源有效的数据可用性方法 ...
0 0 0 2025/05/23 arXiv:2412.09709v1 hwrabbit
人体动作生成是动画和视频制作的基石技术,在文本到动作和音乐到舞蹈等各种任务中有着广泛的应用。以前的工作重点是开发为每项任务量身定制的专业模型,但没有可扩展性。在这项工作中,lmm),这是一种以运动为中心的多模式框架,它将主流运动生成任务统一为通用模型... ...
0 0 0 2025/05/23 arXiv:2404.01284v1 parsifalster
A/B测试实验是一种广泛采用的方法,用于评估现代Web应用程序中的UI/UX设计决策。然而,传统的A/B测试仍受到其对人类参与者的大规模和实时流量的依赖以及长期等待测试结果的限制。通过与六位经验丰富的行业从业人员的形成性访谈,我们确定了当前A/B测试工作流程中的关键瓶颈 ...
0 0 0 2025/05/23 arXiv:2504.09723v2 linson.su
由于大型语言模型(LLM)被整合到各个部门中,从而确保其可靠性和安全性至关重要。这需要进行严格的探查和审核,以保持其在实际应用中的有效性和可信度。对LLM进行单个查询的不同迭代,可以在其知识库或功能能力上揭示潜在的不一致 ...
0 0 0 2025/05/23 arXiv:2402.09334v2 linson.su
图像分类是计算机视觉的基石,传统上是通过基于深层神经网络的判别模型实现的。最近的进步引入了从生成模型中得出的分类方法,这些方法提供了零拍的优势。但是,与判别模型相比,这些方法具有两个主要缺点:高计算开销和劣等性能 ...
0 0 0 2025/05/23 arXiv:2412.09063v2 hei1046
未配对的培训已被证实是通过从未配对的现实世界中的朦胧和清晰的图像中学习,是最有效的真实场景范式之一。尽管已经提出了许多研究,但由于特征表示有限,对现实世界的使用不足,目前的方法证明了各种真实场景的概括有限。受扩散模型在产生朦胧和透明图像中的强大生成能力的启发,我们利用了现实世界图像去除的扩散,并提出了一个名为diff-dehazer的未配对框架 ...
0 0 0 2025/05/23 arXiv:2503.15017v1 hei1046
采用重新建筑是一种普遍的做法,该练习在端到端的图像造影架构中学习了模糊和尖锐图像对之间的区别。从模糊对应物中重建尖锐的图像需要有关低频和高频信息的更改。尽管传统的重新建筑可能具有良好的能力来捕获图像的高频组件,但它倾向于忽略低频信息 ...
0 0 0 2025/05/23 arXiv:2111.11745v2 hei1046
近年来,在硬件设计中使用大型语言模型(LLM)已经起飞,主要是通过将芯片设计师生产率提高的工具纳入其中。关于LLM在芯片设计的RTL规格中的使用已经有很多讨论,其中两种最受欢迎​​的语言是Verilog和VHDL。由于该语言的受欢迎程度更高,LLM及其在Verilog设计中的使用受到了极大的关注,但是尽管该行业在该行业中持续流行,但到目前为止,对VHDL的关注很少 ...
0 0 0 2025/05/23 arXiv:2505.09610v1 amen668

来一起翻译吧!


为了您和其他读者获得更好的阅读体验,请您勇敢地改进翻译,特别是一些显而易见的机器翻译错误。


虽然我们追求卓越,但我们并不要求翻译十全十美,因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译,您不必担心会因为您的失误导致无法挽回的破坏。(改编自维基百科)