近年来,生成的AI,特别是大型语言模型(LLM)的活动爆炸爆炸,彻底改变了各个领域的应用。智能合约漏洞检测也不例外。由于智能合约存在于公共连锁店,并且每天可能有数十亿美元的交易,因此脆弱性检测的持续改善至关重要。这导致许多研究人员调查了生成大语言模型(LLM)的用法,以帮助检测智能合约中的脆弱性 ...
0 0 0 2025/04/12 arXiv:2504.04685v1 waterfall666
在过去的十年中,深度学习模型表现出了相当大的进步,在一系列视觉感知任务中达到甚至超过了人类水平。这一显着的进步引发了人们对将深度网络应用于现实世界应用的兴趣,例如自动驾驶汽车、移动设备、机器人和边缘计算。然而,挑战仍然在于 ...
0 0 0 2025/04/12 arXiv:2308.13998v1 lyl
肥胖现象被称为繁重的问题,是全球可预防的慢性疾病的主要原因。传统的卡路里估计工具通常依赖于特定的数据格式或复杂的管道,从而限制了它们在实际情况下的实用性。最近,视觉模型(VLM)在理解现实世界的环境和实现对话互动方面表现出色,使其成为下游任务(例如成分分析)的理想选择 ...
0 0 0 2025/04/12 arXiv:2412.09936v1 baibaili
控制文本到语音(TTS)系统将语音与用户预期的韵律特征合成的韵律引起了很多关注。为了实现可控性,当前的研究集中在两个主要方向上:(1)使用参考语音作为韵律提示指导语音综合,以及(2)使用自然语言描述来控制生成过程。但是,找到准确包含用户想要合成的韵律的参考语音需要大量精力 ...
0 0 0 2025/04/12 arXiv:2501.04256v1 阿巍
流程奖励模型(PRM)在大型语言模型(LLMS)的复杂推理任务中表现出了成功。但是,由于缺乏系统的方法和评估基准,它们在机器翻译(MT)上的应用仍未得到充实。为了解决此差距,我们介绍了\ textbf {Mt-rewardtree},这是MT中构建,评估和部署过程奖励模型的综合框架 ...
0 0 0 2025/04/12 arXiv:2503.12123v1 ChenSF1998
近年来,通用多模态大语言模型(MLLM)迅速发展。然而,将通用 MLLM 应用于特定领域(例如科学领域和工业应用)的探索仍然较少。本文通过后训练系统地研究了 MLLM 的领域适应,重点关注数据合成、训练流程和任务评估 ...
0 0 0 2025/04/12 arXiv:2411.19930v2 baibaili
无监督跨域图像检索(UCIR)旨在检索跨不同域共享同一类别的图像,而不依赖于标记数据。先前的方法通常将 UCIR 问题分解为两个不同的任务:域内表示学习和跨域特征对齐。然而,这些分离的策略忽视了这些任务之间的潜在协同作用 ...
0 0 0 2025/04/12 arXiv:2402.18411v4 0123456789
大型语言模型(LLM)正在发展,超越了在对话系统中提供信息的经典作用,以积极参与工具并在现实世界应用程序和服务上执行操作。如今,人类验证LLM生成的产出的正确性和适当性(例如 ...
0 0 0 2025/04/12 arXiv:2404.06921v1 Extious

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)