大型视力语言模型（LVLM）中缓解幻觉仍然是一个开放的问题。最近的基准测试并未解决开放式的自由形式响应中的幻觉，我们称其为“ I型幻觉”。取而代之的是，他们专注于幻觉响应非常具体的问题格式（通常是针对特定对象或属性的多项选择回答），我们称其为“ II型幻觉” ...

自2019年GPT2--1.5B发明以来，大型语言模型（LLM）已从专用模型转变为多功能基础模型。但是，LLM表现出令人印象深刻的零射击能力，需要对本地数据集进行微调和大量的部署资源 ...

最近，结果表明，最大内部产品搜索（MIPS）的问题是有效的，并且可以证明是亚线性的哈希算法。哈希之前的不对称转换是解决MIP的关键，否则很难。在先前的工作中，作者使用了不对称的转换，将近似MIP的问题转换为近似邻居搜索的问题，该问题可以使用Hashhing有效地解决 ...

我们介绍了第一个可证明的跨金属时间算法，用于近似\ emph {最大内部产品搜索}（MIPS）。我们的建议也是第一个用于搜索（非构想）内部产品作为基本相似性度量的哈希算法。发现MIP的哈希方案被认为很难 ...

知识图（KGS）的关系预测是一个关键的研究主题。基于嵌入的主要方法主要集中于跨导态环境，并且缺乏将推广到新实体推断的电感能力。归纳推理的现有方法主要挖掘实体之间的连接，即 ...

最近，出现以及大型模型的成功受到了研究界的广泛关注。与文献不同，我们假设一个关键因素可以促进规模增长过程中的性能：减少单语义神经元的降低，而单语义神经元只能与特定特征形成一对一的相关性。单义神经元往往更稀疏，对大型表现产生负面影响 ...

具有线性注意力的 Transformer（即线性 Transformer）和状态空间模型最近被建议作为具有 Softmax Attention 的 Transformer 的可行线性时间替代方案 ...

机械性解释性领域旨在研究单个神经元在深神经网络中的作用。但是，单个神经元具有多元化作用并为多个（无关）特征编码的能力，从而使他们的解释变得困难。我们提出了一种通过将多种神经元分解为多个单义学“虚拟”神经元的方法来解开任何深神经网络多义的方法 ...