· ai
[Paper] 预训练以获益：在没有干净标签的情况下进行鲁棒学习
Training deep networks with noisy labels leads to poor generalization and degraded accuracy due to overfitting to label noise. Existing approaches for learning ... (此处省略原文其余内容)
-
- · ai
[论文] 排名增强的异常检测：使用主动学习辅助注意力对抗双自动编码器
高级持续性威胁（APTs）由于其隐蔽且长期的特性，在网络安全领域构成了重大挑战。现代监督学习方法 …
- · ai
[论文] LLM在Java中的自动单元测试生成与评估：AgoneTest 框架
Unit testing 是软件开发中必不可少但资源密集的一步，确保各个代码单元能够正确运行。本文介绍了 Agone……
- · ai
[Paper] NNGPT：重新思考使用大型语言模型的 AutoML
构建自我改进的 AI 系统仍然是 AI 领域的根本挑战。我们提出 NNGPT，一个开源框架，将大型语言模型...
- · ai
[Paper] 数据驱动方法与 AI 在工程设计中的系统文献综述：聚焦挑战与机遇
数据的日益可得性和计算智能的进步加速了数据驱动方法（DDMs）在产品开发中的采用。
- · ai
[Paper] 拖延者可以贡献更多：面向异步联邦学习的不确定性感知蒸馏
异步联邦学习（FL）因其提升的效率和可扩展性而近期受到关注，使本地客户端能够将模型更新发送至 …
- · ai
[Paper] ParaBlock：通信‑计算并行块坐标联邦学习用于大语言模型
联邦学习（FL）已被广泛研究，作为一种保护隐私的训练范式。最近，联邦块坐标下降方案已成为……
- · ai
[Paper] 少提示，多微笑：使用语义工程取代提示工程的 MTP
AI 集成编程正逐渐成为构建具备大型语言模型（LLM）的智能系统的基础范式。最近的方法，例如 M...
- · ai
[Paper] SLMFix: 利用小型语言模型通过强化学习进行错误修复
Recent advancements in large language models (LLMs) have shown very impressive capabilities in code generation across many programming languages. However, even ... 近期在大型语言模型（LLMs）方面的进展显示出在多种编程语言的代码生成上非常令人印象深刻的能力。然而，即使……
- · ai
神经架构搜索用于量子自编码器
近年来，机器学习和深度学习通过推动图像分类、语音识别和异常检测等领域的进步，取得了显著的成果。
- · ai
[Paper] LLM驱动的内核演进：在 Linux 中自动化驱动更新
Linux 内核演进通过 API/ABI 变更、语义转变以及安全强化更新破坏驱动程序。我们介绍 **DRIVEBENCH**，一个可执行的语料库……
- · ai
[论文] 时间旅行：使用 Git Bisect 的 LLM 辅助语义行为定位
我们提出了一个新颖的框架，将大型语言模型（LLMs）集成到 Git bisect 过程中，以实现语义故障定位。传统的 bisect 假设……