由于水下环境的复杂性和水下图像退化的多样性，水下图像增强（UIE）是一项高度挑战的任务。由于应用深度学习，当前的UIE方法已取得了重大进展。大多数现有的基于深度学习的UIE方法都遵循一个单阶段网络，该网络无法同时解决各种降解 ...
尽管大型语言模型（LLMS）在软件开发活动中的表现令人印象深刻，但最近的研究表明，AI编程助理（例如Copilot，CodeWhisperer）将漏洞引入软件代码库的关注点 ...
理解自然语言指示是3D室内场景合成系统的迷人属性。现有方法直接建模对象联合分布并隐含在场景中表达对象关系，从而阻碍了生成的可控性。我们介绍了TenchScene，这是一种新颖的生成框架，该框架集成了语义图和一个布局解码器，以提高3D场景合成的可控性和保真度 ...
新型小分子药物的发现仍然是一项关键的科学挑战，对治疗疾病和推动人类健康的影响深远。传统的药物开发 - 特别是对于小分子疗法 - 是一个高度复杂，资源密集且耗时的过程，需要多学科的合作。最近的人工智能（AI）的最新突破，尤其是大语言模型（LLM）的兴起，为简化和加速这一过程提供了变革性的机会 ...
我们提出了模糊小组相对政策奖励（FGRPR），这是一个新颖的框架，将小组相对政策优化（GRPO）与模糊奖励功能集成在一起，以提高学习效率。与传统的二进制0/1精度奖励不同，我们的模糊奖励模型提供了细微的激励措施，鼓励了更精确的产出。实验结果表明，与监督的微调（SFT）相比，具有标准0/1准确性奖励的GRPO表现不佳 ...
尽管最新的自主驾驶系统着重于开发对自我车辆传感器的感知方法，但人们倾向于忽略一种替代方法来利用智能的路边摄像头来将感知能力扩展到视觉范围之外。我们发现，以最先进的视觉为中心的鸟类视图检测方法在路边摄像头上的表现较低。这是因为这些方法主要集中于恢复相机中心的深度，在距离增加的同时，汽车和地面之间的深度差异迅速收缩 ...
大型语言模型（LLMS）显示出显着的紧急功能，通过利用外部工具来解决需要专门处理或实时数据的复杂问题来改变功能任务的执行。尽管现有研究扩大了LLMS对不同工具的访问（例如 ...
动态模式分解（DMD）是一种广泛使用的数据驱动算法，用于预测动态系统的未来状态。但是，其标准配方通常会以较差的长期预测准确性挣扎。为了解决这一限制，我们提出了一个局部的DMD框架，该框架通过将DMD强大的短期预测能力与时间域分解技术相结合，从而提高预测性能 ...
