尽管参数有效调整(PET)方法在自然语言处理(NLP)任务的 Transformer 体系结构(NLP)任务上显示出很大的潜力,但它们在大规模转向的效果上仍然对计算机视觉(CV)任务进行了研究。本文提出了Conv-Adapter,这是一种专为CONCNET设计的PET模块。 Conv-Adapter是轻量重量,可转移的域和架构敏捷,在不同的任务上具有广义性能 ...
大型语言模型(LLMS)以前已经进行了用于心理保健培训和治疗客户模拟的探索,但它们在真正捕捉多样的客户特征和心理状况方面仍然缺乏。我们介绍了\ textbf {eeyore},这是一种通过结构化对齐框架进行了为逼真的抑郁模拟优化的8B模型,在每个阶段都结合了专家输入。首先,我们系统地策划了现实世界中与抑郁症相关的对话,提取抑郁特征来指导数据过滤和心理概况构建,并将此数据集使用该数据集来指导Eyey ...
具有集成感应,计算和通信(ISCC)功能的无人飞行器(UAV)已成为下一代无线网络的关键推动者。联合边缘学习(FEL)将无人机作为移动学习代理人收集数据,执行本地模型更新并为全球模型聚合做出贡献。但是,现有的无人机辅助FEL系统面临着关键的挑战,包括过度的计算需求,隐私风险和效率低下的通信,这主要是由于对资源受限无人机进行全模型培训的要求 ...
在关键操作中增加无人机(UAV)的利用需要与地面控制站(GCS)安全可靠的通信。本文介绍了Aero-Llm,该框架集成了多种大型语言模型(LLM),以提高无人机任务安全和运营效率。与传统的单数LLM不同,Aero-LLM利用多个专业的LLM来用于各种任务,例如推理,异常检测和预测,在板上系统,边缘和云服务器上部署 ...
查询优化是数据库系统中的一项关键任务,重点是确定从一组可能的策略集中执行查询的最有效方法。传统方法取决于启发式搜索方法和成本预测,但是这些方法通常在搜索空间的复杂性和性能估计中不准确的情况下挣扎,从而导致了次优计划的选择。本文介绍了LLMOPT,这是一个新型框架,利用大型语言模型(LLMS)通过两个创新的组件来应对这些挑战:(1)llm用于计划候选者(LLMOPT(g)),从而消除了启发式搜索,从 ...
大约最近的邻居搜索(ANN)已成为现代深度学习应用的基础,通过将其集成到最近的生成模型中,与日益复杂的数据集和更高的向量维度一起获得了特别的突出。现有的仅CPU解决方案,即使是最有效的图形解决方案,也很难满足这些不断增长的计算需求,而仅GPU的解决方案则面临记忆限制。作为解决方案,我们提出了Pilotann,这是一种用于基于图的ANN的混合CPU-GPU系统,它利用CPU的丰富RAM和GPU的并行 ...
人类如何高效、有效地获取图像一直是一个长期存在的问题。典型的解决方案是根据给定的文本查询从现有数据库中进行文本到图像检索;然而,有限的数据库通常缺乏创造力。相比之下,最近在文本到图像生成方面的突破使得产生奇特且多样化的视觉内容成为可能,但它在合成知识密集型图像方面面临着挑战 ...
用于训练连续时间生成模型的无模拟方法构建差异分布和单个数据样本之间的概率路径。最近的工作(例如流匹配)得出的路径最适合每个数据样本。但是,这些算法依赖于独立的数据和噪声样本,并且不利用数据分布中的基本结构来构建概率路径 ...