尽管当前的方法在估算单眼视频的3D人体运动方面表现出了有希望的进展，但它们的运动估计通常在物理上是不现实的，因为它们主要考虑运动学。在本文中，我们介绍了物理意识验证的 Transformer （Physpt），该 Transformer （Physpt）改善了基于运动学的运动估计并渗透运动力。 Physpt利用了 Transformer 编码器解码器主链，以自我监督的方式有效地学习人类动力学 .. ...

本文介绍了使用神经网络来估计观察数据的治疗效应。通常，估计分为两个阶段进行。首先，我们为每个单元的预期结果和治疗概率（倾向评分）拟合模型 ...

大型语言模型（LLMS）具有急剧高级的机器学习研究，包括自然语言处理，计算机视觉，数据挖掘等，但它们仍然在推理，事实一致性和解释性方面表现出关键的局限性。在本文中，我们介绍了一种新颖的学习范式 - 模块化机器学习（MML），作为新一代LLM的重要方法 ...

视听学习的最新进展显示了跨模式的学习表征的有希望的结果。但是，大多数方法都依赖于无法捕获视觉帧的细粒时间对应的全局音频表示。此外，当试图共同学习重建和跨模式对齐时，现有方法通常会与相互矛盾的优化目标困难 ...

我们提出MedConceptsqa，这是一个专门的开源基准，用于医疗概念问题。基准包括跨不同词汇的各种医学概念的问题：诊断，程序和药物。这些问题分为三个级别的难度：简单，中和硬 ...

通过数据（DP）和模型平行（MP）执行的混合，将LLM训练缩放至10K GPU。对于实现效率至关重要的是GPU紧密耦合子集中的张量平行（TP； MP的形式）执行，称为扩展域，并且比例范围越大，性能越好。新的数据中心体系结构正在出现，可以将更多的GPU紧密耦合到扩展域，例如从8个GPU移动到通过NVLINK连接的72 GPU ...

糖尿病是一种慢性疾病，具有重大的全球健康负担，需要多方利益相关者的合作才能进行最佳管理。大型语言模型（LLM）在各种医疗保健方案中都表现出了希望，但是它们在各种糖尿病任务中的有效性仍然未经证实。我们的研究引入了培训和验证糖尿病特异性LLM的框架 ...

大型推理语言模型（LRLMS）的最新进展依赖于测试时间缩放，这扩展了长期的经营链（COT）生成以解决复杂的任务。但是，长期以来，长期以来的思考不仅会减慢解决问题的效率，而且由于非常详细或冗余的推理步骤而导致的准确性损失有风险。我们提出了一种简单而有效的方法，该方法允许LLMS通过生成期间的早期出口来自我截断COT序列 ...