· ai
[Paper] RoParQ：面向对同义问句鲁棒性的语言模型同义句感知对齐
大型语言模型（LLMs）在回答改写后的问题时常表现出不一致的行为，这表明它们更依赖于表层模式而不是…
-
- · ai
[Paper] 解耦对齐核用于肽膜通透性预测
环肽是针对细胞内位点的有前景的模态；然而，细胞膜渗透性仍然是一个关键瓶颈，并因有限的……而加剧。
- · ai
[Paper] UAVLight：针对无人机（UAV）场景的光照鲁棒 3D 重建基准
Illumination inconsistency 是多视角 3D 重建中的一个根本性挑战。阳光方向、云层覆盖以及阴影的变化会破坏一致性……
- · ai
[Paper] 机器学习在临床风险预测中的方法：电子健康记录中的多尺度时间对齐
本研究提出了一种基于多尺度时间对齐网络（MSTAN）的风险预测方法，以应对时间不规则性、采样...
- · ai
[Paper] 计算针对非线性分类器的策略响应
我们考虑 strategic classification 问题，其中部署 classifier 的行为会导致 strategic behaviour，从而在 s 上产生 distribution shift ...
- · ai
[Paper] VacuumVLA: 通过统一的吸取和抓取工具提升 VLA 能力以实现复杂机器人操作
Vision Language Action 模型通过利用大规模预训练的视觉和语言表征，显著推动了通用机器人操作的进步。
- · ai
[Paper] MMA：一种用于惯性传感器的人体活动识别的动量蟒蛇架构
Human activity recognition (HAR) from inertial sensors is essential for ubiquitous computing, mobile health, and ambient intelligence. Conventional deep models ...
- · ai
[Paper] 视频生成模型是优秀的潜在奖励模型
Reward feedback learning（ReFL）已被证明在将图像生成与人类偏好对齐方面有效。然而，将其扩展到视频生成面临…
- · ai
[Paper] 上下文特定因果图发现（未观测上下文）：非平稳性、状态与时空模式
现实世界的数据，例如在气候应用中，通常由空间网格化时间序列数据或具有类似结构的数据组成。虽然其底层…
- · ai
[Paper] Bangla 手语翻译：数据集创建挑战、基准测试与前景
Bangla Sign Language Translation (BdSLT) 迄今为止受到严重限制，因为该语言本身资源极其匮乏。标准的句子级数据集创建……
- · ai
[论文] Dyna‑Q 强化学习的预测安全盾
获得强化学习的安全保证是实现其在真实世界任务中可应用性的重大挑战。安全盾牌扩展了标准的强化学习框架，以提供额外的安全保障。
- · ai
[Paper] 年龄特异性阿尔茨海默病预测：非均匀时间跨度下的特征约束
阿尔茨海默病是一种导致认知功能下降的衰弱性疾病。及时识别该疾病对于疾病的早期干预和治疗方案的开发至关重要。