大型语言模型（LLMS）通过以一些标记的培训示例作为基于文本的提示来启用文本学习（ICL），从而消除了参数更新的需求并实现竞争性能。在本文中，我们证明了事实知识对于ICL在三个核心方面的表现至关重要：在LLMS中学到的固有知识，从所选的文本示例中得出的事实知识以及LLMS中的知识偏见以产生产量。为了在几乎没有学习的学习场景中释放LLM的功能，我们引入了一种新颖的知识渊博的内部内部调整（KICT）框 ...
视觉语言动作模型（VLA）的最新进展扩大了体现智能的能力。但是，在复杂的3D环境中实时决策中仍然存在重大挑战，这些环境需要在动态条件下进行二级响应，高分辨率感知和战术推理。为了推进该领域，我们介绍了Combatvla，这是一种为3D动作角色扮演游戏（ARPG）中战斗任务优化的有效VLA模型 ...
缩放模型参数以高计算开销的价格提高了模型质量。稀疏激活的模型，通常以专家（MOE）体系结构的混合形式形式，具有与模型尺寸的计算成本的次线性缩放缩放，从而为训练和以比其密集配料更低的成本提供训练和提供更大的模型。但是，分布式的MOE培训和推断效率低下，这主要是由于模型计算过程中的全部通信 ...
学习高质量的多模式实体表示是多模式知识图（MMKG）表示学习的重要目标，它可以增强MMKG中的推理任务，例如MMKG完成（MMKGC）。主要的挑战是合作地对隐藏在大量三元组和实体的多模式特征中的结构信息进行合作建模。现有的方法着眼于制定优雅实体的多模式融合策略，但它们忽略了在各种关系环境下隐藏在模式中的多观点特征的利用 ...
有限观察的新观点综合仍然是一项重要且持久的任务。但是，在现有的基于NERF的几个射击视图合成中的高效率通常受到损害，以获得准确的3D表示。为了应对这一挑战，我们提出了基于3D高斯碎片的几片视图综合框架，该框架可以实现实时和照片现实的视图综合，只有三个训练视图 ...
随着神经辐射场（NERFS）和其他隐式场景表示方法的引入，新观点综合的问题最近在受欢迎程度上显着增长。最近的3D高斯脱落（3DGS）利用明确的表示，以高质量的结果实现实时渲染。但是，3DGS仍然需要大量的培训视图来产生连贯的场景表示 ...
相对论A+A反应在相对论重离子碰撞器（RHIC）能量中，流体动力行为的引人入胜的潜在特征是横穿热培养基的快速超音速颗粒引起的圆锥体流动。在这里，我介绍了2-> 2的协方差传输理论中马赫冲击的演变，在静态均匀培养基中 ...
代码大语言模型（LLMS）在代码理解，完成和生成任务方面已显示出显着的进步。编程基准测试，包括一系列代码挑战和相应的测试用例，是评估此类任务中不同LLM的能力的标准。但是，大多数现有的基准主要集中在Python上，并且仍然仅限于有限数量的语言，其中其他语言是从Python样本中翻译而来的（e ...
