深度神经网络在许多关键领域（例如自动驾驶，面部识别和医学诊断）中起着至关重要的作用。但是，深层神经网络正面临后门攻击的安全威胁，可以通过后门攻击者操纵攻击者决定的行为。为了捍卫后门，先前的研究重点是使用干净的数据在模型部署之前删除后门攻击 ...
近年来，基于 Transformer 的大型模型的应用取得了许多成功。但是，大型参数的指数增长引入了边缘部署的强大内存挑战。以应对这一挑战的先前工作主要集中于优化模型结构并采用内存交换方法 ...
自然语言处理的最新进展已利用教学调整，以增强大型语言模型（LLMS），以实现与桌面相关的任务。但是，以前的作品培训了不同的基本模型，具有不同的培训数据，在结果表LLM中缺乏苹果对苹果的比较。为了解决这个问题，我们在现有的公共培训数据集中微调了Mistral，Olmo和Phi家族的基本模型 ...
在研究界的最新发展中，大语言模型（LLM）在创建完全自主的代理方面的整合引起了人们的重大兴趣。尽管如此，基于LLM的代理商在适应动态环境和充分满足人类需求时经常表现出显着的缺点。在这项工作中，我们介绍了基于LLM的人类代理协作，以进行复杂的任务解决，从而探索其协同潜力 ...
基于鸟瞰图（ bev）的方法最近在多视图3dbe，be，基于稀疏的方法在性能上落后，但仍然具有许多不可忽视的优点。为了进一步推动稀疏，3d检测，在这项工作中 ...
车道图是建筑高清图（HD）地图的关键组成部分，对于下游任务，例如自动驾驶或导航计划，至关重要。以前，他（2022）利用基于分割的方法从空中图像中探索了车道级图的提取 ...
在本文中，我们在享乐游戏（HGS）的背景下，以朋友的欣赏（FA）偏好研究了一种轻松的策略性操纵性（NOM）。在HGS中，目的是根据他们的偏好将代理人分为联盟，这完全取决于他们被分配的联盟。在FA偏好下，代理商考虑了任何其他代理人，无论是朋友还是敌人，都更喜欢与更多朋友的联盟，如果有联系，那些敌人的敌人较少 ...
我们提出了Olmo 2，这是我们完全开放的语言模型的下一代。 Olmo 2包括具有改进的体系结构和培训配方，预处理数据混合物和指导调整配方的密集自回旋模型。我们修改的模型架构和培训配方既可以实现更好的训练稳定性，又提高了人均效率 ...
