社交媒体的动态扩展导致媒体平台上的仇恨模因淹没了，这突显了对有效识别和删除的日益增长的需求。我们承认常规多模式可恨模因分类的限制，这些模因分类在很大程度上取决于外部知识，并带来了包括无关紧要或冗余内容的风险，我们开发了笔 - 基于及时学习方法的迅速增强的网络框架。具体而言，在通过提示方法构造序列并使用语言模型对序列进行编码后，我们在编码序列上对多视图感知进行了全局提取 ...
大型语言模型（LLM）表现出很大的能力来解决不同领域中各种自然语言任务。由于LLMS及其预训练数据的培训目标，LLMS对于涉及结构化数据生成的任务不是很好。我们提出了一个框架，并提示具有迭代验证（PIVE），以提高基于图的LLM的生成能力 ...
作家经常使用语言风格来传达他们的意图，身份和掌握语言。在本文中，我们表明当前的大型语言模型难以捕获某些语言风格而不会进行微调。为了应对这一挑战，我们调查了LLM是否可以根据代表性词典进行元训练，以识别他们尚未经过微调的新样式 ...
最近的通才视力语言动作模型（VLA）可以在具有显着概括能力的真实机器人上执行各种任务。但是，报告的成功率通常与专家政策的成功率不符。此外，VLA通常不会开箱即用，通常必须对其进行微调，因为它们对设置更改敏感 ...
条形图是传达数字信息的有效方法，但是当今的算法无法解析它们。当面对外观的较小变化时，现有方法失败。在这里，我们提出DVQA，这是一个数据集，该数据集测试了一个问题回答框架中条形图理解的许多方面 ...
机器学习的进步导致了原子材料化学的基础模型的发展，从而以降低的计算成本以跨不同化合物的量子精确描述。迄今为止，这些模型已根据原子的相互作用能或谐波振动依赖描述符进行了基准测试。它们在预测可观察和技术相关的热传导性能方面的准确性和效率尚不清楚。在这里，我们介绍了一个框架，该框架利用基础模型和热传输的维格尔公式，以克服设计热管理材料的当前方法的主要瓶颈：高成本，有限的可传递性或缺乏物理意识 ...
二进制代码分析是安全域中至关重要的任务的基础。因此，构建有效的二元分析技术比以往任何时候都重要。大型语言模型（LLMS）虽然给源代码任务带来了令人印象深刻的改进，但由于组装的独特挑战，请不要直接推广到汇编代码：（1）组装的低信息密度以及（2）汇编代码中的多样化优化。为了克服这些挑战，这项工作提出了一种层次的注意机制，该机制构建了注意力总结以更有效地捕获语义，并设计了对比的学习目标，以训练LLMS以 ...
随着AI代理的产生越来越复杂的行为，手动编码人类偏好来指导这些代理人变得更具挑战性。为了解决这个问题，有人建议代理商从人类选择数据中学习偏好。这种方法需要一个选择行为模型，代理可以用来解释数据 ...
