本文提出了一种混合障碍规避架构，将在间隙下的Optimal Control与模糊规则系统（FRBS）相结合，以实现 ada...

快速演变的网络攻击要求事件响应系统能够自主学习并适应不断变化的威胁。先前的工作已经广泛探讨了……

近年来，人们对使用神经网络，特别是消息传递神经网络（MPNNs），来求解困难的组合优化问题的兴趣日益增长。

大型语言模型（LLM）unlearning 旨在从已训练的模型中移除特定知识，但实际部署往往需要后训练量化……

Template-free retrosynthesis 方法将任务视为 black-box 序列生成，限制了学习效率，而 semi-template 方法依赖于刚性的……

假设式论证（Assumption-based Argumentation，ABA）是一种成熟的结构化论证形式。基于底层原子语言的ABA框架被广泛研究……

二进制神经网络（BNNs）通过约束其权重，提供了一种低复杂度、节能的替代方案，以取代传统的全精度神经网络。

大型语言模型（LLMs）正日益被用作评判者，以取代在成对评估中昂贵的人类偏好标签。尽管它们很实用，LLM j...

近年来，人们对理解神经架构学习执行离散算法的能力日益感兴趣，这一方向的工作常常……

真正的草根行动主义与自动化影响行动之间的界限正在消失。虽然政策辩论聚焦于 bot farms，但还有一种截然不同的威胁……

Memory-efficient backpropagation（MeBP）使得在内存不足1GB的移动设备上对大规模语言模型（LLMs）进行一阶微调成为可能。然而……

在本文中，我们提出了一个统一框架，用于各种生物启发模型，以更好地理解它们的结构和功能差异。我们展示了 liq...