· 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
[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] 随机块模型中社区数大于 √n 的相变（II）
网络分析中的一个基本理论问题是确定在什么条件下，社区恢复在随机块模型（Stochastic Block Model）中可以在多项式时间内实现。
- · ai
[Paper] 悲观验证用于开放式数学问题
验证性能的关键限制在于错误检测的能力。基于这一直觉，我们设计了几种悲观验证的变体……
- · ai
[Paper] 语音、偏见与共指：语音翻译中性别的可解释性研究
Unlike text, speech conveys information about the speaker, such as gender, through acoustic cues like pitch. This gives rise to modality-specific bias concerns.... 不同于文本，语音通过音高等声学线索传递关于说话者的信息，例如性别。这导致了特定模态的偏见问题……
- · ai
[Paper] 基于Transformer的时间序列分类的机制可解释性
基于Transformer的模型已成为各种机器学习任务的最新技术工具，包括时间序列分类，但它们的复杂性使得 …
- · ai
[Paper] IntAttention：全整数注意力流水线用于高效边缘推理
在边缘设备上部署 Transformer 模型受到延迟和能耗预算的限制。虽然 INT8 量化能够有效加速主要的矩阵乘…
- · ai
[Paper] Tool‑RoCo：一个 **Agent-as-Tool** 自组织 **Large Language Model** 基准，用于 **Multi‑robot Cooperation**
本研究提出了 **Tool‑RoCo**，这是一种基于 **RoCo**（一个多机器人协作平台）的新基准，用于评估大型语言模型（LLM）在长期多智能体合作中的表现。
- · ai
[Paper] 迷失于时间？一种用于时间偏移容忍的生理信号转换的元学习框架
将光电容积描记（PPG）和球体心动描记（BCG）等非侵入性信号转换为临床有意义的信号，如动脉血压……
- · ai
合并与界定：对权重的直接操作用于类增量学习
我们提出了一种新颖的训练方法 Merge-and-Bound (M&B)，用于类别增量学习 (CIL)，该方法直接在参数空间中操作模型权重，以实现高效且稳健的增量学习...
- · ai
[Paper] 长文档可读性评估的层次排序神经网络
可读性评估旨在评估文本的阅读难度。近年来，深度学习技术已逐步应用于可读性……
- · ai
[Paper] SpatialBench：对多模态大型语言模型进行空间认知基准测试
空间认知是现实世界多模态智能的基础，使模型能够有效地与物理环境交互。虽然多模态 ...