互联网测量面临双重挑战：复杂的分析需要专家级的工具编排，然而即使是语法上正确的实现也可能会…

在新发布的软件框架的背景下，大型语言模型（LLMs）往往表现不佳，并且出现高比例的 hallucination，因为它们是 n...

随着大型语言模型（LLMs）日益融入软件开发工作流，它们的可信度已成为一个关键问题。然而，i...

在分布式大模型训练中，将通信与计算重叠至关重要，但对其进行优化——尤其是当计算成为瓶颈时——仍然是一个挑战。

真实世界的碰撞报告，结合文本摘要和草图，对于自动驾驶系统（ADS）的基于场景的测试非常有价值。然而，cu...

Task-based runtime systems 为并行科学应用提供灵活的负载均衡和可移植性，但它们的强扩展性对……高度敏感。

Federated Learning（FL）实现了一种分布式的客户端‑服务器架构，多个客户端在该架构下协同训练全局机器学习（ML）模型，而无需共享原始数据。

统一的多模态模型能够在单一架构中同时理解和生成视觉内容。然而，现有模型仍然对数据需求量大，且过于……

我们提出 tttLRM，这是一种新颖的大规模 3D 重建模型，利用 Test-Time Training (TTT) 层实现长上下文、自回归的 3D 重建……

当前的前馈 3D/4D 重建系统依赖于 dense geometry 和 pose supervision —— 在大规模下获取成本高昂，且在动态场景中尤为稀缺……

LLM 代理正快速演进，得益于代码执行、工具以及最近推出的 agent skills 功能。Skills 允许用户扩展 LLM 应用程序……

我们研究已训练分类器集合的后校准不确定性。具体而言，我们同时考虑 aleatoric（标签噪声）和 epistemic（模型）不确定性。