视觉动作（VLA）模型的最新进展已利用预先训练的视力语言模型（VLM）来提高概括能力。 VLM通常在视觉理解任务上进行培训，提供丰富的语义知识和推理能力。但是，先前的研究表明，VLM通常专注于高级语义内容和忽略低级功能，从而限制了它们捕获详细的空间信息并了解物理动态的能力 ...

我们介绍了滚动，这是一个高效，可扩展和用户友好的库，旨在为大规模学习增强学习优化。滚动迎合了三个主要用户组：技术开拓者，旨在进行具有成本效益，容易耐心的大规模培训，需要灵活控制培训工作流程的开发人员以及寻求敏捷实验的研究人员。滚动是基于几个关键模块建造的，可以有效地为这些用户组服务 ...

大型语言模型已在不断增长的 Token 预算上进行了预先培训，因为假设更好的预训练性能转化为改进的下游模型。在这项工作中，我们挑战了这一假设，并表明扩展的预训练可以使模型更难微调，从而导致最终性能降低。我们称这种现象的灾难性过度训练 ...

在存在有限的模块化风味对称性的情况下，模量与对称点的略有偏差可能会产生费米昂质量层次结构。我们指出的是，管理带电的 - 莱普顿质量层次结构的小参数也可能是负责对称性保护的低规模seesaw中的Lepton数字，从而采购主动中微子质量，并质量分裂的伪二甲基甲基质量。我们讨论了这种机制的现象学意义，包括在未来计划和拟议的重型中性Lepton搜索中测试所考虑模型的可能性 ...

模式链接是在文本到SQL任务中实现人类水平的性能的关键瓶颈，尤其是在现实世界中的大规模多数据库方案中。解决架构链接面临两个主要挑战：（1）数据库检索：从多数据库设置中的大型模式池中选择正确的数据库，同时滤除无关的数据库。 （2）架构项目接地：准确地识别来自SQL生成的大而冗余模式中的相关表和列 ...

我们提出了降低的高斯蓝色化头像（RGBAVATAR），这是一种以足够的速度来重建具有动画的头部化身的方法。与先前利用线性碱基从3D形态模型（3DMM）到建模高斯混合形形成的方法不同，我们的方法映射将3DMM参数跟踪到使用MLP的降低的混合物重量，从而导致一组紧凑的混合形状碱基。学到的紧凑型基本组成有效地捕获了特定个体的基本面部细节，并且不依赖3DMM的固定基本组成权重，从而提高了重建质量和更高的效 ...

众所周知，使用无约束的照片收集将照明从几何形状中解耦是具有挑战性的。解决它将使许多用户受益，因为创建复杂的3D资产需要数天的体力劳动。许多以前的作品试图解决这个问题，通常以产出忠诚为代价，这质疑这种方法的实用性 ...

受生成图像模型成功的启发，最新的学习图像压缩的工作越来越集中在自然图像分布的更好的概率模型上，从而导致出色的图像质量。但是，这是以一个计算复杂性为代价的，该计算复杂性比当今的商业编解码器高几个数量级，因此对于大多数实际应用而言。在本文的情况下，我们证明，通过专注于建模视觉感知而不是数据分布，我们可以在视觉质量和比特速率和比特速率之间取舍，类似于“生成”压缩模型（例如Hific），同时需要少于多重收 ...