在大型语言模型时代，参数有效的微调（PEFT）已成为用于微调的主要技术。但是，现有的PEFT方法仍然没有足够的培训效率。首先，对于某些微调任务，在培训过程中使用大规模基础模型的利用过多 ...
在杂乱的环境中抓住对象仍然是机器人操纵中的一个基本而又具有挑战性的问题。虽然先前的作品已经探索了两指抓手的推动和抓握之间基于学习的协同作用，但很少有人利用灵巧的手利用高度自由度（DOF）来执行有效的唱片，以在杂乱的设置中抓住。在这项工作中，我们介绍了DexsingRasp，这是一种巧妙的对象奇异和抓握的统一政策 ...
纵向网络数据对于分析政治，经济和社会制度和过程至关重要。在政治学中，这些数据集通常是通过人类注释或应用于不断发展的语料库的监督机器学习而产生的。但是，随着语义环境随着时间的流逝而变化，在各种实体中推断出的动态互动类型会带来重大挑战，尤其是在保持及时和一致的注释方面 ...
在这项工作中，我们评估了LLM在各种任务和数据大小上的优化功能。这些任务中的每一个都对应于唯一的优化域，而LLMS必须通过交互式提示执行这些任务。也就是说，在每个优化步骤中，LLM都会从过去生成的解决方案中生成新的解决方案，然后在下一个优化步骤中评估和考虑新的解决方案 ...
准确的城市时空预测（USTP）对于智能城市的发展和运营非常重要。作为一个新兴的构建块，多源的城市数据通常被整合为城市知识图（URBANKGS），以为城市时空预测模型提供关键知识。但是，现有的Urbankgs通常是针对特定的下游预测任务量身定制的，并且不公开可用，这限制了潜在的进步 ...
引入了低复杂性8点正交近似DCT。提出的转换不需要乘法或位移动操作。派生的快速算法仅需要14个添加，小于任何现有的DCT近似 ...
最近，大型推理模型（LRMS）（例如DeepSeek-R1）的推理能力通过缓慢的思考过程看到了显着的进步。尽管取得了这些成就，但LRM的大量计算需求带来了巨大的挑战。相反，与LRMS相比，通常从较大的推理模型（SRMS）（SRMS）提供了更高的效率，并且可以表现出独特的功能和认知轨迹 ...
Self-driving vehicles are a maturing technology with the potential to reshape mobility by enhancing the safety, accessibility, efficiency, and convenience of automotive transportation. Safety-critical ...
