组合优化问题通常依靠启发式算法来生成有效的解决方案。但是，启发式方法的手动设计是资源密集型的，并且受设计师的专业知识的限制。人工智能的最新进展，尤其是大型语言模型（LLM），已经证明了通过进化框架自动化启发式生成的潜力 ...
人工神经网络，尤其是最近基于扩散的模型，在游戏，控制和质量检查系统中表现出了显着的优势，其中训练任务的数据集通常是静态的。但是，在现实世界中的应用程序中，例如强化学习的机器人控制（RL），任务正在发生变化，并且新任务按顺序出现。这种情况对培训可以适应任务变化并保留获得的知识的代理商提出了可塑性稳定性权衡的新挑战 ...
自动化程序维修（APR）定义为通过自动工具在源代码中修复错误/缺陷的过程。 APR工具最近通过利用最先进的神经语言处理（NLP）技术经历了有希望的结果。如今，TFIX和Codexglue等APR工具将文本到文本 Transformer 与特定于软件的技术相结合，如今优于替代方案 ...
密集的视频字幕旨在检测和描述未修剪视频中的所有事件。本文提出了一个称为多概念循环学习（MCCL）的密集的视频字幕网络，该网络的目的是：（1）使用这些概念来增强视频功能并提供时间事件提示； （2）在字幕网络中设计循环学习，以促进语义感知和事件定位。具体而言，我们对每个帧执行弱监督的概念检测，并且将检测到的概念嵌入集成到视频功能中以提供事件提示 ...
深度学习技术的开发使神经机器翻译（NMT）模型具有足够的培训数据和培训时间，变得非常强大。但是，在从具有独特风格或词汇的新域中翻译文本时，系统会挣扎。对内域数据进行微调允许良好的域适应，但需要足够的相关双语数据 ...
模块化神经网络（MNN）表现出与整体模型相比的各种优势。现有的MNN通常为$ \ textit {equarplicit} $：它们的模块化体系结构是预先定义的，单个模块期望实现不同的功能。最近的作品表明，存在$ \ textIt {nrigit} $模块化在标准预训练的 Transformer 中，即$ \ textit {equarkent modularity} $ ...
机车操作 - 协调的运动和与物体的物理相互作用 - 由于需要精确的力相互作用和鲁棒性，对腿部机器人来说仍然是一个重大挑战。尽管基于模型的控制器提供了可解释的动态级别的计划和优化，但它们受模型不准确和计算成本的限制。相反，基于学习的方法具有鲁棒性，同时努力进行相互作用的精确调制 ...
本文提出了一种新颖的替代方法，用于使用模拟经验训练控制政策的现有SIM到现有方法。腿部机器人的先前SIM到现实方法主要依赖于域随机方法，在训练过程中，固定有限的仿真参数集随机。取而代之的是，我们的方法将依赖状态的扰动添加到训练阶段用于正向模拟的输入关节扭矩 ...
