Real2SIM2Real在机器人的手臂控制和增强学习中起着至关重要的作用，但是由于机器人的复杂物理特性及其操纵的物体，弥合此差距仍然是一个重大挑战。现有方法缺乏全面的解决方案，可以准确地重建具有空间表示及其相关物理属性的现实对象。我们提出了一个带有混合表示模型的Real2SIM管道，该管道集成了网格几何形状，3D高斯内核和物理属性，以增强机器人臂的数字资产表示 ...

连续推荐系统利用 Transformer 体系结构证明了捕获用户行为模式的非凡功能。这些系统的核心是构建有效项目表示形式的关键挑战。传统方法通过简单的串联或基本神经体系结构采用特征融合来创建统一表示序列 ...

我们研究将知识注入大型预训练模型等大型模型的问题。现有方法通常在注入知识时更新预训练模型的原始参数。但是，当注入多种知识时，历史上注入的知识将被冲走 ...

时间序列预测在金融、交通、能源、医疗保健等不同行业中发挥着关键作用。虽然现有文献已经设计了许多基于 rnn，gnn或transformer的复杂架构，但提出了另一种基于多层感知器（mlp）的方法 ...

将小语言模型（SLM）与人类价值观保持一致，通常涉及从大语言模型（LLM）中提取偏好知识。但是，现有的蒸馏方法通过比较成对响应来模拟教师LLM中的偏好知识，从而忽略了响应之间的差异程度。这种限制阻碍了学生SLMS捕获多个响应的细微偏好 ...

大型语言模型（llm）极大地推进了自然语言处理（nlp）领域的发展，为广泛的应用提供了非常有用、与任务无关的基础。然而，llm来解决特定领域的复杂问题会遇到许多障碍，这些障碍是由领域数据的异构性、领域知识的复杂性、领域目标的唯一性以及约束的多样性造成的 ... ...

实施检索功能的生成（RAG）系统本质上是复杂的，需要对数据，用例和复杂的设计决策进行深入了解。此外，评估这些系统提出了重大挑战，需要通过多方面的方法评估检索准确性和生成质量。我们介绍了Rag Foundry，这是一个开源框架，用于增强用于破布用例的大型语言模型 ...

多跳上推理是对不完整知识图（KGS）查询答案（QA）的有效方法。该问题可以在加固学习（RL）设置中提出，其中基于策略的代理会顺序扩展其推理路径，直到达到目标。但是，在不完整的KG环境中，代理人获得了低质量的奖励，这些奖励因培训数据中的假否定性而破坏，这会损害测试时间的概括 ...