Simple Feedfoward Neural Networks are Almost All You Need for Time Series Forecasting 
时间序列数据无处不在 - 从金融到医疗保健 - 每个领域都带来了自己独特的复杂性和结构。虽然诸如变形金刚和图形神经网络（GNN）之类的高级模型在时间序列预测中已获得了知名度，这在很大程度上是由于它们在语言建模等任务中的成功，但并非总是必要的。在我们的工作中，我们表明，简单的前馈神经网络（SFNNS）可以在这些最新模型上或超过这些最先进的模型上达到甚至超过这些最新模型的性能，同时更简单，更小，更快， ...
0 0 0 2025/04/14 arXiv:2503.23621v1 kkkkk
VAPO: Efficient and Reliable Reinforcement Learning for Advanced Reasoning Tasks 
我们提出了针对推理模型的VAPO，基于价值的增强近端策略优化框架。这是一个针对基于价值范式中推理模型的新颖框架。基于QWEN 32B预培训模型的AIME 2024数据集VAPO的基准测试，达到了$ \ mathbf {60的最先进分数 ...
0 0 0 2025/04/14 arXiv:2504.05118v3 zzshneuq
PUGS: Zero-shot Physical Understanding with Gaussian Splatting 
当前的机器人系统可以很好地了解对象的类别和姿势。但是，在野外了解质量，摩擦和硬度等物理特性仍然具有挑战性。我们提出了一种新方法，该方法使用高斯分裂表示来重建3D对象，并以零拍的方式预测各种物理属性 ...
0 0 0 2025/04/14 arXiv:2502.12231v2 orangelcx
Persistent Object Gaussian Splat (POGS) for Tracking Human and Robot Manipulation of Irregularly Shaped Objects 
在动态环境中，跟踪和操纵不规则的，以前看不见的物体对于制造，组装和物流中的机器人应用很重要。最近引入了高斯裂缝有效地模拟对象几何形状，但缺乏针对任务的操作的持续状态估计。我们介绍了持久的对象高斯splat（POGS），该系统嵌入语义，自我监视的视觉特征以及对象分组特征中的对象分组到紧凑的表示中，可以连续更新以估算扫描对象的姿势 ...
0 0 0 2025/04/14 arXiv:2503.05189v1 orangelcx
DecoupledGaussian: Object-Scene Decoupling for Physics-Based Interaction 
我们介绍了DeCopledgegaussian，这是一种新型系统，该系统将静态对象与捕获的野外视频捕获的静态对象脱离，这是基于牛顿的物理模拟的关键先决条件。与沿着触点表面的综合数据或弹性抖动的先前方法不同，这阻止了物体完全独立脱离或独立移动，decopledgaussian允许显着的位置变化而不会受到初始接触表面的限制。我们的方法认识到当前2D授课工具用于恢复3D位置的局限性，我们的方法提出了联合 ...
0 0 0 2025/04/14 arXiv:2503.05484v1 orangelcx
The N+ Implementation Details of RLHF with PPO: A Case Study on TL;DR Summarization 
这项工作是第一个公开从人类反馈（RLHF）的缩放行为中公开重现了在Openai开创性TL中报告的缩放行为的研究。我们从头开始创建RLHF管道，列举超过20个关键实施细节，并在复制期间共享关键见解。我们受RLHF训练的毕达斯模型在响应质量上显示出具有模型大小的响应质量的显着增长，而我们的2则具有2 ...
0 0 0 2025/04/14 arXiv:2403.17031v1 NeverSettle
LAM: Large Avatar Model for One-shot Animatable Gaussian Head 
我们提出了Lam，这是一种创新的大型化身模型，用于从单个图像中进行动画高斯头部重建。与以前需要对捕获的视频序列进行广泛培训或依靠辅助神经网络进行动画和渲染的方法不同，我们的方法会生成高斯头部，这些高斯头部立即可动画和呈现。具体来说，Lam在单个前传中创建了一个可动的高斯头，可以在没有其他网络或后处理步骤的情况下重新制定和渲染 ...
0 0 0 2025/04/14 arXiv:2502.17796v2 wukw
ArtGS: Building Interactable Replicas of Complex Articulated Objects via Gaussian Splatting 
构建清晰的对象是计算机视觉中的关键挑战。现有方法通常无法有效地整合不同对象状态的信息，从而限制了部分网格重建和零件动态建模的准确性，尤其是对于复杂的多部分铰接式对象。我们介绍了Artgs，这是一种新颖的方法，它利用3D高斯作为一种灵活而有效的代表来解决这些问题 ...
0 0 0 2025/04/14 arXiv:2502.19459v2 orangelcx

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）