预计基础类人动物运动跟踪器将能够跟踪多样化，高度动态和接触良好的运动。更重要的是，它需要在现实情况下稳定运行，以防止各种动态干扰，包括地形，外部力量和物理性能变化，以供一般实际使用。为了实现这一目标，我们提出Any2Track（跟踪任何干扰下的任何动议），这是一个两阶段的RL框架，可跟踪现实世界中多次干扰下的各种动作 ...

大型语言模型（LLMS）存储了广泛的事实知识，但潜在的机制尚不清楚。先前的研究表明，事实知识存储在多层感知器重量中，一些存储单元表现出变性，称为退化知识神经元（DKNS）。尽管该概念具有新颖性和独特的特性，但并未对其进行严格定义或系统地研究 ...

开放域问答依赖于有效的段落检索来选择候选上下文，其中传统的稀疏向量空间模型（例如 tf-idf或bm25），我们证明检索实际上可以仅使用密集表示来实现，我们证明检索实际上可以仅使用密集表示来实现 ...

二维形成性场理论（CFTS）的较高属模块化不变性是一个未开发的区域。在本文中，我们为特定类别的CFTS的较高属分区函数得出明确的表达式：代码CFTS，这些cfts是使用经典错误校正代码构建的。在这种情况下，$ \ mathrm {sp}（2g，\ mathbb z）$属属$ g $ riemann表面的模块化转换可以作为一组简单的线性映射集，该线性映射作用于$ 2^g $ polynomial变量 ...

在本文中，我们提出了一种用于时间动作检测的单阶段框架tridet。由于视频中的动作边界不明确，现有方法经常会遇到不精确的边界预测。为了缓解这个问题，我们提出了一种新颖的三叉戟头，通过估计边界周围的相对概率分布来对动作边界进行建模... ...

生成模型的快速发展使现代AI系统能够理解和生成高度复杂的内容，甚至可以在特定领域中实现人类水平的性能。但是，这些模型从根本上受到\ emph {灾难性遗忘}的约束，\ ie〜一个持续的挑战，在适应新任务时，模型会在先前学习的任务上经历性能退化。为了解决这一实际限制，已经提出了许多方法来增强现实世界应用中生成AI的适应性和可伸缩性 ...

了解神经系统障碍是神经科学中的一个基本问题，它通常需要对功能性磁共振成像（FMRI）数据得出的大脑网络分析。尽管图形神经网络（GNN）和各个领域中的图形 Transformer 的普遍性，但它们将其应用于大脑网络面临挑战。具体而言，数据集受到子群体之间的分布变化和忽视节点身份的噪音的严重影响，两者都阻碍了疾病特异性模式的识别 ...

当前的阿尔茨海默氏病（AD）的临床诊断框架涉及从多个诊断阶段获得的多种方式，每个方式都有不同的用法和成本。先前的AD诊断研究主要集中在如何直接融合多种方式以进行端到端的一阶段诊断，这实际上需要高成本的数据获取成本。此外，这些方法中很大一部分诊断为AD，而无需考虑临床指南，并且无法提供准确的亚型诊断 ...