微调是一把刀，而不是锤子 微调存在声誉问题。有些人把它当成魔法：“只要微调一下，模型就会理解我们的需求……”

部署大型语言模型（LLMs）在实时系统中仍然具有挑战性，因为它们需要大量计算资源并且存在隐私问题。我们提出……

在缺失数据的情况下进行学习可能导致偏差的预测和较差的泛化能力等问题，而 data imputation methods 仅...

在复杂的、实验驱动的领域中实现科学发现的自动化，不仅仅是对程序的迭代突变；它需要结构化的 hypothesis management……

联邦低秩适配 (FedLoRA) 已经促进了对基础模型进行通信高效且隐私保护的微调，以用于下游任务。在……

通过观看人类视频来学习操作技能的能力有望为机器人学习打开一个高度可扩展的新数据来源。在这里，…

印刷英文的熵率被广泛估计约为每字符一比特，这一基准是现代大型语言模型（LLMs）仅仅……

Video Language Models (VideoLMs) 使 AI 系统能够理解视频中的 temporal dynamics。为了适应最大 context window 限制，当前的方法……

有效的水资源管理取决于对水道流量的准确预测。对于投射的气候数据，使用不同的General Circulation…

OMD 及其变体为 OCO 提供了一个灵活的框架，其中性能关键取决于镜像映射（mirror map）的选择。虽然其背后的几何结构 …

偏微分方程常常包含难以或无法直接测量的未知函数，这阻碍了我们进行预测的能力……

随着面部识别（FR）系统的进步，隐私保护面部识别（PPFR）系统因其准确的识别而受到广泛关注，...