当语言模型（LMS）在推理之前通过外部知识基础利用与查询有关的非参数知识时，检索的增强至关重要。检索到的信息与查询一起作为环境合并到LMS中，从而提高了对事实问题的回答的可靠性。先前的检索增强研究通常会遵循检索员生成器范式 ...
大型语言模型（LLM）经常产生错误，包括事实不准确、偏见和推理失败，统称为“幻觉”。最近的研究表明， LLM 的内部状态编码了有关其输出真实性的信息，并且该信息可用于检测错误。在这项工作中，我们表明 LLM 的内部表示编码的有关真实性的信息比以前认识到的要多得多 ...
建模高频信息是科学机器学习的关键挑战。例如，由于涡流和涡流引起的旋转流体运动，雷诺数字3500及以上的Navier-Stokes方程的完全湍流模拟可能会产生高频信号。忠实地使用神经网络对此类信号进行建模取决于准确地重建中等至高频 ...
保护开源大型语言模型（LLM）的知识产权非常重要，因为培训LLMS的计算资源和数据成本。因此，模型所有者和第三方需要确定可疑模型是否是受害者模型的后续发展。为此，我们提出了一个无训练的礁石，以从LLMS的特征表示形式的角度来确定嫌疑人与受害者模型之间的关系 ...
在电子电路设计中，全球路线一直是一个历史上具有挑战性的问题，挑战是将大量和任意的电路组件与电线连接起来，而不会违反印刷电路板或集成电路的设计规则。复杂的液压系统，管道系统和逻辑网络的设计中也存在类似的路由问题。现有的解决方案通常包括贪婪的算法和硬编码的启发式方法 ...
文本驱动的运动生成提供了一种有力而直观的方式，可以直接从自然语言中创造人类运动。通过消除对预定义运动输入的需求，它为控制动画字符提供了一种灵活且易于访问的方法。这使其在虚拟现实，游戏，人类计算机互动和机器人技术等领域中特别有用 ...
这项研究对AI代理和代理AI进行了严格的区分，提供了结构化的概念分类法，应用映射和挑战分析，以阐明其不同的设计理念和能力。我们首先概述搜索策略和基础定义，将AI代理描述为由大语言模型（LLMS）和大型图像模型（LIM）驱动的模块化系统，用于狭窄，特定于任务的自动化。生成的AI被定位为前体，AI代理通过工具集成，及时的工程和推理增强来推进 ...
图神经网络（GNN）表明了它们在建模图结构数据方面的出色能力。但是，现实世界图通常包含结构噪声，并且标记的节点有限。在此类图上训练时，GNN的性能将大大下降，这阻碍了GNN在许多应用程序上的采用 ...
