大型语言模型（LLMS）引入了一个新时代，以理解复杂的医疗保健和生物医学主题。但是，除英语以外的语言和模型可以解释多模式输入的模型中，这对于全球医疗保健可访问性至关重要。作为回应，这项研究引入了Qilin-Med-VL，这是第一个中国大型视觉模型，旨在整合文本和视觉数据的分析 ...

Bard 和 GPT-4 等大型视觉语言模型的最新突破展示了执行各种任务的非凡能力。这些模型是在包含数十亿公共图像文本对的海量数据集上进行训练的，这些数据集具有不同的任务。然而，由于在理解生物医学图像方面缺乏复杂性，它们在放射学等特定任务领域的表现仍然没有得到充分研究，并且可能受到限制 ...

由于 CT 或 MR 扫描的三维性质，医学图像的生成建模是一项特别具有挑战性的任务。现有方法大多采用 patch-wise、slice-wise 或级联生成技术来将高维数据放入有限的 GPU 内存中。然而，这些方法可能会引入工件，并可能限制模型对某些下游任务的适用性 ...

建立在LLM的代理商越来越多地部署在不同的域中，使复杂的决策和任务执行自动化。但是，他们的自主权引入了安全风险，包括安全漏洞，法律违规和意外的有害行动。现有的缓解方法，例如基于模型的保障措施和早期执法策略，在鲁棒性，可解释性和适应性方面缺乏 ...

我们从图像中解决了有效且感知的3D场景表示。 Nerflet是我们的关键贡献 - 一组局部神经辐射场共同代表场景。每个nerflet都保持其自身的空间位置，方向和程度，在该位置，范围和范围有助于全景，密度和辐射重建 ...

微调显着提高了大语言模型（LLM）的性能，但其潜在机制仍然很少了解。本文旨在通过电路分析（MI）（MI）的流行工具来对微调过程进行深入解释。与以前的研究不同（Prakash等人 ...

在本文中，我们质疑我们是否有可靠的自我监督点云模型，即使数据有限和最少的计算，也可以通过简单的线性探测来用于不同的3D任务。我们发现，当通过线性探测评估表示质量时，现有的3D自我监督学习方法缺乏。我们假设这是由于我们称之为“几何快捷方式”的原因，这导致表示形式崩溃至低级空间特征 ...

在显示出复杂的推理能力的同时，由于缺乏探索和长期信用分配，尤其是在稀疏的奖励情景下，大型语言模型（LLM）仍在长期努力的决策任务中挣扎。 Inspired by the divide-and-conquer principle, we propose an innovative framework **GLIDER** (**G**rounding **L**anguage Models as E ...