Synergistic Reinforcement and Imitation Learning for Vision-driven Autonomous Flight of UAV Along River 
视觉驱动的自动驾驶飞行和避免沿着复杂的河流环境中无人驾驶汽车（UAV）进行救援和监视等任务的障碍需要强大的控制政策，由于可训练的河流环境模拟器的短缺，这仍然很难获得。为了轻松在现实世界部署前验证河流的基于视觉的导航控制器性能，我们使用Unity开发了可训练的无光动动态河流模拟环境。在本文中，我们解决了在这种部分可观察到的非马克维亚环境中学习导航策略时，香草增强学习（RL）算法遇到的缺点 ...
0 0 0 2025/04/15 arXiv:2401.09332v2 xdd
A systematic literature review of unsupervised learning algorithms for anomalous traffic detection based on flows 
连接到Internet以及网络攻击的设备不断增加，因此有必要分析网络流量以识别恶意活动。传统的基于数据包的分析方法不足，因为在大型网络中，流量如此之高，以至于审查所有通信是不可行的。因此，流是针对这种情况的合适方法，在将来的5G网络中必须使用该方法，因为数据包的数量将大大增加 ...
0 0 0 2025/04/15 arXiv:2503.08293v1 zer
AI-powered Code Review with LLMs: Early Results 
在本文中，我们提出了一种新颖的方法，可以通过大型语言模型（LLM）模型来提高软件质量和效率，旨在审查代码并确定潜在问题。我们提出的基于LLM的AI代理模型对大型代码存储库进行了培训。该培训包括代码审查，错误报告和最佳实践文档 ...
0 0 0 2025/04/15 arXiv:2404.18496v1 shaoningning
shaoningning
Conceptrol: Concept Control of Zero-shot Personalized Image Generation 
具有文本对图像扩散模型的个性化图像生成基于参考图像内容生成了看不见的图像。零射器适配器方法（例如IP-ADAPTER和OMINICONTROL）特别有趣，因为它们不需要测试时间进行微调。但是，他们努力平衡保存个性化的内容和遵守文本提示 ...
0 0 0 2025/04/15 arXiv:2503.06568v1 xuan
User Feedback Alignment for LLM-powered Exploration in Large-scale Recommendation Systems 
探索是扩大用户体验超出其既定偏好的行为，这是由于反馈循环和用户探索模式的信号有限而在大规模推荐系统中挑战。大型语言模型（LLM）通过利用其世界知识推荐这些循环以外的新内容来发挥潜力。一个关键的挑战是将LLM与用户偏好保持一致，同时保留其知识和推理 ...
0 0 2 2025/04/15 arXiv:2504.05522v2 motefly
SMART: Scalable Multi-agent Real-time Motion Generation via Next-token Prediction 
数据驱动的自动驾驶运动生成任务经常受到数据集大小的限制和数据集之间的域差距的影响，这阻碍了它们在现实场景中的广泛应用。为了解决这个问题，我们引入了 SMART，一种新颖的自动驾驶运动生成范例，它将矢量化地图和代理轨迹数据建模为离散序列标记。然后，这些 Token 通过仅解码器的转换器架构进行处理，以训练跨时空序列的下一个 Token 预测任务 ...
0 0 0 2025/04/15 arXiv:2405.15677v3 feitianyong
Asymptotically Optimal Sequence Sets With Low/Zero Ambiguity Zone Properties 
具有低/零歧义区（LAZ/ZAZ）属性的序列可用于在移动环境中运行的现代通信和雷达系统。本文首先提出了一个新的Zaz序列系列，该家族是由``调制''零相关区（ZCZ）序列启发的，Popovic和Mauritz首先提出。然后，我们引入了第二个带有梳状光谱的Zaz序列集的家族，从而通过频率域中的固有光谱无效来保证局部多普勒的弹性 ...
0 0 0 2025/04/15 arXiv:2401.00683v3 wanchengjuan
On the Suitability of Reinforcement Fine-Tuning to Visual Tasks 
事实证明，加强微调（RFT）对于增强LLM的推理能力非常有价值。研究人员已经开始将RFT应用于MLLM，希望它也将增强视觉理解的能力。但是，这些作品处于很早的阶段，并且没有检查RFT实际上对视觉任务的合适程度 ...
0 0 0 2025/04/15 arXiv:2504.05682v1 zzshneuq

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）