在本文中，我们通过解决了几个开放问题，对中文学习（ICL）进行了全面研究：（a）大型语言模型学到了哪种类型的ICL估计器？ （b）ICL的适当性能指标是什么？错误率是多少？ （c） Transformer 体系结构如何启用ICL？为了回答这些问题，我们采用贝叶斯观点并提出ICL作为预测与当前协变量相对应的响应的问题，鉴于从潜在变量模型中绘制的许多示例。为了回答（a），我们表明，在不更新神经网络参数 ...
病理图像对于准确解释细胞病理学筛查中的病变细胞至关重要，但是获得高分辨率的数字幻灯片需要专门的设备和较长的扫描时间。尽管超分辨率（SR）技术可以减轻这个问题，但现有的深度学习模型以黑盒方式恢复病理图像，这可能导致不真实的生物学细节和误诊。此外，当前方法分配了相同的计算资源来恢复每个病理图像的每个像素，从而导致了由于病理图像的较大变化而导致的次优恢复问题 ...
基于 Transformer 的方法已显示出令人印象深刻的医疗图像恢复结果，这归因于空间维度中的多头自我注意力（MSA）机制。但是，大多数现有 Transformer 在固定和粗糙的区域内引起注意（\ text {例如 ...
许多现实世界应用中数据的复杂性和异质性对传统的机器学习和信号处理技术构成了重大挑战。例如，在医学中，对各种生理信号的有效分析对于患者监测和临床决策至关重要，却高度挑战。我们介绍了MEDTSLLM，这是一种通用的多模式大型语言模型（LLM）框架，该框架有效地以文本形式整合了时间序列和丰富的上下文信息，以分析生理信号，执行具有临床相关性的三个任务：语义细分，边界检测和在时间序列中的异常检测 ...
信息技术已深刻地改变了人类与信息互动的方式。在线创建，共享和传播的大量内容使访问相关信息变得越来越困难。在过去的二十年中，推荐系统和搜索（统称为信息检索系统）已大大发展以应对这些挑战 ...
通过给定的奖励函数优化文本对图像扩散模型是一个重要但毫无争议的研究领域。在这项研究中，我们提出了深度奖励调整（DRTUNE），该算法直接监督文本对图像扩散模型的最终输出图像，并通过迭代采样过程向输入噪声进行后退。我们发现，采样过程中的较早步骤对于低级奖励至关重要，并且可以通过停止脱氧网络输入的梯度来高效地实现深层监督 ...
近年来，基于扩散的3D一代取得了显着的进展。但是，现有的3D生成模型通常会产生过度致密和非结构化的网格，与人类设计师制作的紧凑，结构化和尖锐的计算机辅助设计（CAD）模型形成鲜明对比。为了解决这一差距，我们介绍了Caddreamer，这是一种从单个图像中生成CAD对象的边界表示（B-REP）的新方法 ...
随着自动贸易在金融市场中获得的吸引力，算法投资策略越来越突出。尽管大型语言模型（LLM）和基于代理的模型在实时市场分析和交易决策中表现出了有希望的潜力，但在面对迅速下降或频繁波动时，它们仍然遭受-20％的损失，这阻碍了他们的实际应用。因此，必须探索一个更健壮和弹性的框架 ...
