自我监督的代表性学习使对比度学习的进步助长了重大飞跃，该学习旨在学习将附近阳性输入对的转变，同时将负面对截然不同。虽然可以可靠地生成阳性对（例如 ...

在这份技术报告中，我们介绍了Skywork-13b，这是一个大型语言模型（LLM）系列，在包含超过3.2万亿个来自英语和中文文本的标记的语料库上进行训练。这种双语基础模型是迄今为止培训最广泛、公开发表的同等规模的llm ... ...

越来越多的关注已被提高了多模式大型语言模型（MLLM）的推理能力。作为在物理领域中起作用的AI代理的基石，基于视频的视觉空间智能（VSI）成为MLLM最关键的推理能力之一。这项工作对通过R1-Zero样训练改善MLLM的视觉空间推理进行了首次深入研究 ...

我们利用尖端深度学习方法来探讨高频限制订单订单中价变更的可预测性，以纳斯达克交易所交易的一组股票。这样，我们发布了“ LobFrame”，这是一个开源代码基础，可有效处理大规模限制订单账簿数据并定量评估最先进的深度学习模型的预测能力。我们的结果是双重的 ...

深网已在对象检测任务中显示出了显着的结果。但是，当他们在新的课程上接受新的培训而没有任何最初用于训练模型的基本类别的样本时，他们的性能会遭受关键下降。这种现象被称为灾难性遗忘 ...

实体类型标记是将类别标签分配给文档中每个实体的任务。尽管标准系统专注于一系列类型，但最近的工作（Ling和Weld，2012）表明，使用大型细粒标签集可以导致下游任务的巨大改进。在没有标记的培训数据的情况下，现有的细粒标记系统会自动获得示例，并使用从知识库中提取的解决实体及其类型自动获取示例 ...

配备了网络搜索功能的大型语言模型（LLM）表现出了深入研究任务的令人印象深刻的潜力。但是，当前的方法主要依赖于在受控检索仪（基于RAG）环境（基于RAG）环境（基于RAG）中的手动工程提示（基于工程的提示）（及时工程），这些提示（基于RAG）无法捕获现实世界互动的复杂性。在本文中，我们介绍了Deepresearcher，这是通过缩放强化增强学习（RL）在具有正宗的Web搜索交互的现实环境中通过缩放 ...

广义问题被广泛认为是检测深击的关键挑战。以前的大多数工作都认为，概括差距是由各种伪造方法之间的差异引起的。但是，我们的调查表明，当伪造的因素转移时，仍可能发生概括问题 ...