我们提出了hoimotion-人类对象相互作用期间人类运动预测的一种新颖方法，该方法整合了有关过去的身体姿势和以自我为中心的3D对象边界框的信息。人类运动预测在许多增强现实应用中很重要，但是大多数现有方法仅使用过去的身体姿势来预测未来的运动。 Hoimotion首先使用编码器 - 占用图卷积网络（GCN）和多层感知器，分别从身体姿势和Egentric 3D对象边界框中提取特征 ...
从人类反馈（RLHF）中学习的强化是一种有前途的解决方案，可以使大型语言模型（LLMS）更加紧密地与人类价值观保持一致。由于其成本效率和可伸缩性，因此广泛采用了从其他模型获得偏好数据的非政策偏好优化。但是，非政策优先优化通常会遇到数据收集策略与目标策略之间的分布差距，从而导致次优优化 ...
在本文中，我们展示了大型语言模型（LLM）令人惊讶的能力：仅给出输入特征名称和预测任务的描述，它们就能够选择最具预测性的特征，其性能可与数据科学的标准工具相媲美。值得注意的是，这些模型在各种查询机制中都表现出了这种能力。例如，我们零样本提示 LLM 输出某个特征的数值重要性得分（例如， ...
多目标优化（MOO）中的Pareto前分析，即找到各种各样的Pareto最佳解决方案，这具有挑战性，尤其是需要培训神经网络的昂贵目标 ...
大型视力语言模型（LVLM）中缓解幻觉仍然是一个开放的问题。最近的基准测试并未解决开放式的自由形式响应中的幻觉，我们称其为“ I型幻觉”。取而代之的是，他们专注于幻觉响应非常具体的问题格式（通常是针对特定对象或属性的多项选择回答），我们称其为“ II型幻觉” ...
自2019年GPT2--1.5B发明以来，大型语言模型（LLM）已从专用模型转变为多功能基础模型。但是，LLM表现出令人印象深刻的零射击能力，需要对本地数据集进行微调和大量的部署资源 ...
最近，结果表明，最大内部产品搜索（MIPS）的问题是有效的，并且可以证明是亚线性的哈希算法。哈希之前的不对称转换是解决MIP的关键，否则很难。在先前的工作中，作者使用了不对称的转换，将近似MIP的问题转换为近似邻居搜索的问题，该问题可以使用Hashhing有效地解决 ...
我们介绍了第一个可证明的跨金属时间算法，用于近似\ emph {最大内部产品搜索}（MIPS）。我们的建议也是第一个用于搜索（非构想）内部产品作为基本相似性度量的哈希算法。发现MIP的哈希方案被认为很难 ...
