各种现实世界应用程序的多任务学习通常涉及具有逻辑顺序依赖性的任务。例如，在在线营销中，$ Impression \ RightArrow的级联行为模式通常以多任务方式将其建模为多个任务，其中任务之间的顺序依赖性简单地与明确定义的函数或隐式转移的函数或当前工作中的隐含转移信息连接。随着正面反馈随着任务顺序而变得更加稀疏，这些方法可以减轻长路径顺序任务的数据稀疏性问题 ...
在本文中，我们为基于文本的人检索引入了一个大型的多属性和语言搜索数据集，称为MALS，并探索在一块石头中对属性识别和图像文本匹配任务进行预训练的可行性。特别是，MALS包含1,510,330个图像文本对，比流行的Cuhk-Pedes大约37.5倍，并且所有图像均以27个属性注释 ...
在大型语言模型（LLMS）波动的推动下，大型视觉语言模型（LVLM）已成为关键的进步，弥合了图像和文本之间的差距。但是，由于语言与时空数据结构之间关系的复杂性，视频使LVLM充分执行具有挑战性。一般的多模式任务通过一般多模式任务充分利用LLM的能力充分利用静态视觉数据（如图像）等静态视觉数据（如图像）的特征，将静态视觉数据（如图像）与LLM充分利用语言功能相结合 ...
预先训练的语言模型（PLM）的出现在自然语言处理领域取得了巨大的成功（NLP），通过以自我监督的方式学习大型语料库的通用表示。预训练的模型和学习的表示形式可能对一系列下游NLP任务有益。该培训范式最近已适应了推荐域，并被学术界和行业视为有希望的方法 ...
统一的多模式大语模型（MLLM）旨在通过一个框架整合多模式的理解和发电能力。尽管它们具有多功能性，但现有的开源统一模型仍针对特定领域的体系结构表现出性能差距。为了弥合这一差距，我们提出了Nexus-Gen，这是一个统一的模型，它通过扩散模型的图像合成能力协同LLM的语言推理能力 ...
（gnn））是图表示学习的有效框架。gnn遵循邻域聚合方案，其中节点的表示向量是通过递归聚合和变换其邻近节点的表示向量来计算的。许多gnn变体已经被提出，并在节点和图分类任务上取得了最先进的结果... ...
温度控制是一项复杂的任务，由于其通常未知的动态和干扰。本文探讨了神经非线性自回归外源性（NNARX）模型的使用，用于非线性系统识别，并模拟温度控制单元的预测性控制。首先，从实际工厂收集的输入输出数据中确定了NNARX模型，并制定了由已知的可测量状态的状态空间表示，由过去的输入和输出变量组成 ...
在工业检查中，很少有射击异常检测（FSAD）是一项至关重要但具有挑战性的任务，在工业检查中，只有几个正常图像必须完成正常的分布建模。尽管现有方法通常采用多模式的基础模型，结合了语言和视觉方式来迅速引入异常检测，但这些方法通常需要复杂的及时及时工程和大量的手动调整。在本文中，我们证明了一个直接的邻居搜索框架可以超过单级和多级FSAD场景中的最先进性能 ...
