· ai
[Paper] MHA2MLA-VLM：在视觉-语言模型中实现 DeepSeek 的经济型多头潜在注意力
随着视觉语言模型（VLMs）处理日益复杂和多模态的任务，键值（KV）缓存的快速增长对内存和计算资源提出了显著的压力……
-
- · ai
[Paper] 从人类示范中学习语义-几何任务图表示
从人类示范中学习结构化任务表征对于理解长时程操作行为，尤其是双手协作的情况，至关重要。
- · ai
[Paper] 交互式叙事分析：桥接计算叙事提取与人类意义建构
信息过载和错误信息在从大型新闻集合中提取有意义的叙事时带来了重大挑战。本文定义了na...
- · ai
[Paper] PRISM-CAFO：先验条件化遥感基础设施分割与映射用于CAFOs
大型畜牧业对人类健康和环境构成重大风险，同时也易受到诸如传染病等威胁。
- · ai
[Paper] 何时两个评分优于一个？探索 Diffusion Models 的集成
Diffusion models 现在能够生成高质量、多样化的样本，且对更强大模型的关注日益增加。虽然 ensembling 是一种众所周知的提升方法……
- · ai
[Paper] 预测检索！测试时适配用于检索增强生成
检索增强生成（Retrieval‑Augmented Generation，RAG）已成为一种强大的方法，通过整合……提升大型语言模型的问答能力。
- · ai
[Paper] Map2Thought：通过度量认知地图进行显式3D空间推理
我们提出了 Map2Thought，一个能够为 3D VLM 提供显式且可解释的空间推理的框架。该框架基于两个关键组件：Metr...
- · ai
[Paper] 用于大语言模型中精确大规模编辑的层次正交残差扩散
大型语言模型（LLMs）在各个领域表现出卓越的性能，但它们面临着关键的安全问题。模型编辑已经成为一种有效的…
- · ai
[Paper] 模式匹配的不可思议的有效性
我们报告了大型语言模型（LLMs）在理解“Jabberwocky”语言方面的惊人能力，在这种语言中，大多数或全部内容词已被随机……
- · ai
[Paper] PubMed-OCR: PMC 开放获取 OCR 注释
PubMed-OCR 是一个以 OCR 为中心的科学文章语料库，来源于 PubMed Central Open Access PDFs。每页图像都使用 Google Cloud Vision 进行标注……
- · ai
[论文] GENPACK：KPI 引导的工业三维装箱多目标遗传算法
三维装箱问题（3D-BPP）是运筹学和物流领域长期存在的挑战。经典启发式算法和构造方法……
- · it
Listen Labs 在病毒式广告牌招聘噱头后融资6900万美元，以扩大 AI 客户访谈
Alfred Wahlforss 正在耗尽选择余地。他的初创公司 Listen Labs 需要招聘超过 100 名工程师，但要与 Mark Zuckerberg 的 1 亿美元 o...