大型语言模型（LLMS）由于其巨大的规模和计算要求而提出了重大部署挑战。模型压缩技术对于使这些模型对于资源受限环境使这些模型实用。突出的压缩策略是通过奇异值分解（SVD）通过近似重量矩阵来减少模型参数的低级别分解 ...

在雪天中捕获的图像遭受了现场可见性的明显退化，这使当前基于视觉的智能系统的性能退化。因此，从图像中去除雪是计算机视觉中的重要主题。在本文中，我们提出了一个深密集的多尺度网络（\ textbf {ddmsnet}），以通过利用语义和几何先验来清除降雪 ...

用可以投入运营的方式，机器学习模型成为“公平”是什么意思？公平性是否应该包括确保每个人都具有同等的可能性来获得某种福利，还是我们应该旨在最大程度地减少对最不利的危害？是否可以通过参考某些替代状态来确定相关的理想，在这种状态下不存在特定的社会歧视模式？最近的文献中提出的各种定义对歧视和公平等术语的含义以及如何用数学术语定义的术语做出了不同的假设。歧视，平等主义和正义的问题对道德和政治哲学家具有重大兴 ...

我们介绍了一个深度学习的图像分割框架，该框架对于缺少成像方式非常强大。所提出的方法没有试图将丢失的数据归为或综合丢失的数据，而是将输入图像嵌入到单个潜在矢量空间中，而算术图（例如均值）被很好地定义了。然后可以进一步处理该空间中的点（在推理时间可用的方式上平均）以产生所需的分割 ...

自我监督学习（SSL）在3D点云分析中取得了显着的成功，尤其是通过掩盖的自动编码器（MAE）。但是，现有的基于MAE的方法缺乏旋转不变性，在处理现实世界中任意旋转的点云时，导致了显着的性能退化。为了解决此限制，我们介绍了手工制作的基于手工的旋转不变性蒙面自动编码器（HFBRI-MAE），这是一个新颖的框架，具有旋转不变的手工制作的功能来完善MAE设计，以确保跨不同方向的稳定功能学习 ...

视频语言持续学习涉及不断地适应视频和文本输入中的信息，增强模型在保留先验知识的同时处理新任务的能力。该领域是一个相对不足的领域，建立适当的数据集对于促进该领域的沟通和研究至关重要。在这项研究中，我们介绍了第一个专用基准Vilco Bench，旨在评估一系列视频文本任务的连续学习模型 ...

人工智能在多个行业之间的融合不断增加，这需要具有强大的机制来确保其发展和部署的透明度，信任和可审核性。鉴于各个司法管辖区的最新呼吁介绍了有关AI安全的法规和立法，该主题尤其重要。在本文中，我们提出了一个框架，用于完整可验证的AI管道，识别关键组件并分析现有的加密方法，这些方法从数据采购到培训，推理和未学习，从而有助于在AI生命周期的不同阶段进行验证 ...

体现的基础模型正在通过几次训练后训练来越来越关注其零射门的概括，可伸缩性和对新任务的适应性。但是，现有模型在很大程度上依赖于现实世界中的数据，这是昂贵且劳动密集型的收集数据。合成数据提供了一种具有成本效益的替代方案，但其潜力在很大程度上仍未得到充满异常 ...