查询优化为给定查询找到优化的执行计划，是数据库管理系统（DBMS）中成倍增长的计划空间中的一个复杂的计划和决策问题。传统优化者在很大程度上依赖于各种启发式和经验调整构建的一定成本模型，这可能导致产生次优计划。大型语言模型（LLM）的最新发展表明了它们在解决复杂的计划和决策问题（例如算术和程序化任务）方面的潜力 ...

近年来，脑肿瘤分割模型有助于诊断。但是，它们面临MRI的复杂性和可变性挑战，包括不规则的形状和不明确的边界，导致噪声，错误分类和分割不完整，从而限制了准确性。为了解决这些问题，我们遵守出色的卷积神经网络（CNN）设计范式，并提出了一个名为A4-Unet的新型网络 ...

在傅立叶频域中，亮度信息主要是在振幅组件中编码的，而空间结构信息则显着包含在相位组件中。现有的低光图像增强技术使用傅立叶变换主要集中于扩大振幅组件并简单地复制相分量，这种方法通常会导致颜色扭曲和噪声问题。在本文中，我们提出了双阶段的多分支傅立叶低光图像增强（DMFourllie）框架，以通过强调相分量在保留图像结构和细节中的作用来解决这些局限性 ...

我们介绍{\ lambda} -tune，一个利用大型语言模型（LLMS）进行自动数据库系统调整的框架。 {\ lambda} -tune的设计是由最新一代LLM的功能的动机。与先前的工作不同，利用LLMS提取单个参数的调整提示，{\ lambda}  -  tune基于一个大型输入文档，生成整个配置脚本，描述了调谐上下文 ...

受益于图像文本对的大规模视觉预训练，开放世界检测方法在零射击或少数拍摄的检测设置下显示出了出色的概括能力。但是，在现有方法的推理阶段仍然需要预定义的类别空间，只有属于该空间的对象才能预测。为了引入“真实的”开放世界检测器，在本文中，我们提出了一种名为CAPDET的新方法来预测给定类别列表或直接生成预测的边界框的类别 ...

灾难性遗忘会影响神经网络的训练，从而限制了他们依次学习多个任务的能力。从建立良好的可塑性困境的角度来看，神经网络往往过于塑料，缺乏防止忘记先前知识所必需的稳定性，这意味着随着学习的进展，网络往往会忘记先前看到的任务。这种现象在持续的学习文献中创造了，最近引起了很多关注，并且已经提出了几种成功的方法 ...

（（）时，夹子或对准... ...

已经进行了广泛的研究，以探索大语言模型（LLMS）的桌面推理能力，并显着改善了现有基准的性能。但是，现实世界应用程序中的表格和用户问题更为复杂和多样化，与现有基准相比，存在差距。为了填补空白，我们建议使用\ textbf {m} eta \ textbf {o} cliates \ textbf {textbf {表}推理，命名为Mimotable ...