Robust Orthogonal NMF with Label Propagation for Image Clustering 
非负基质分解（NMF）是一种流行的无监督学习方法，广泛用于图像聚类中。但是，在现实世界的聚类场景中，大多数现有的NMF方法对噪声腐败高度敏感，并且无法有效利用有限的监督信息。为了克服这些缺点，我们提出了一个统一的非凸框架，其标签传播称为鲁棒正交非负矩阵分解（RONMF） ...
0 0 0 2025/05/15 arXiv:2504.21472v1 FOUR_A
Unified Keyword Spotting and Audio Tagging on Mobile Devices with Transformers 
对于大多数现代智能助手而言，关键字斑点（KWS）是人机交流的核心前端任务。最近，已经提出了一个统一的（UNIKW-AT）框架，该框架以音频标记（AT）形式增加了KWS模型的形式。但是，以前的工作并未考虑Unikw-at模型的现实部署，其中诸如模型大小和推理速度之类的因素比单独的性能更重要 ...
0 0 0 2025/05/15 arXiv:2303.01812v1 irving
From Association to Generation: Text-only Captioning by Unsupervised Cross-modal Mapping 
随着视觉语言预训练模型（VLPM）的开发，以剪辑和对齐为代表，已经通过零件的零拍功能在没有微调的情况下通过零拍的能力来实现基于关联的视觉任务（例如图像分类和图像文本检索）的显着突破。但是，剪辑很难应用于基于一代的任务。这是由于缺乏解码器体系结构和生成预训练任务 ...
0 0 0 2025/05/15 arXiv:2304.13273v3 hynj
Can LLM-based Financial Investing Strategies Outperform the Market in Long Run? 
大型语言模型（LLMS）最近被利用用于资产定价任务和股票交易应用程序，使AI代理商能够从非结构化的财务数据中产生投资决策。但是，大多数基于LLM的基于LLM的投资策略的评估都是在狭窄的时间表和有限的库存宇宙上进行的，由于生存和数据努力偏见而导致的有效性夸大了。我们通过提出Finsaber来评估它们的普遍性和鲁棒性，Finsaber是一个回测框架，该框架评估了较长时期和更大的符号宇宙的基于时机的策略 ...
0 0 0 2025/05/15 arXiv:2505.07078v1 irving
Dive into Time-Series Anomaly Detection: A Decade Review 
数据收集技术的最新进展以及流数据的不断增长的量和速度，强调了时间序列分析的至关重要需求。在这方面，时间序列异常检测一直是一项重要活动，在网络安全，金融市场，执法和医疗保健等领域中有各种应用。尽管有关异常检测的传统文献集中在统计措施上，但近年来，机器学习算法的数量不断增加，呼吁对时间序列异常检测的研究方法进行结构化的一般表征 ...
0 0 0 2025/05/15 arXiv:2412.20512v1 PXXHL
Software-Hardware Co-design for Fast and Scalable Training of Deep Learning Recommendation Models 
深度学习推荐模型（dlrm）在facebook的许多关键业务服务中使用，并且就其数据中心的基础设施需求而言，是最大的人工智能应用程序。在本文中，我们讨论了用于大规模dlrm高性能分布式训练的软件/硬件联合设计解决方案。我们引入了基于pytorch的高性能可扩展软件堆栈 ...
0 0 0 2025/05/15 arXiv:2104.05158v7 xxx2050
AM-Thinking-v1: Advancing the Frontier of Reasoning at 32B Scale 
我们提出了AM-INCKING-V1，这是一种32B密集的语言模型，它促进了推理的前沿，体现了开源创新的协作精神。超过deepSeek-r1和竞争性的前专家（MOE）模型（例如QWEN3-235B-A22B和SEED1.5思想，AM-INCKINCING-V1）的表现令人印象深刻，令人印象深刻的得分为85 ...
0 0 0 2025/05/14 arXiv:2505.08311v1 lianzhepku
LOPR: Latent Occupancy PRediction using Generative Models 
环境预测框架对于自动驾驶汽车来说是不可或缺的，可以在动态环境中安全导航。激光雷达产生的占用网格图（L-ogm）提供了强大的鸟类眼景场景表示，可促进联合场景预测而不依赖手动标记的情况，这与常用的轨迹预测框架不同。先前的方法已直接在网格细胞空间中优化了确定性的L-OGM预测体系结构 ...
0 0 0 2025/05/14 arXiv:2210.01249v3 leonupup

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）