在论证性文本中检测说服是一项具有重要意义的挑战性任务，对理解人类交流具有重要影响。本研究调查了 r...

大型语言模型（LLMs）已成为进化搜索的强大操作器，然而高效搜索支架的设计仍然是临时的。虽然 prom...

我们研究具有多个属性的 LTLf 合成，其中满足所有属性可能是不可能的。我们不是枚举属性的子集，而是计算……

最近在视频模型方面取得了巨大的进展，尤其是在长视频理解方面。然而，当前的基准测试主要呈现……

大型语言模型（LLMs）可以通过对其输出表达置信度来提升用户的感知信任。然而，先前的研究表明，LLMs往往 o...

在本文中，我们发现3D人体动作和2D人体视频的生成本质上是耦合的。3D动作为合理性提供结构先验……

当今最强的视频语言模型（VLM）仍然是专有的。最强的开源权重模型要么依赖于来自专有 VLM 的合成数据，有效地……

自适应视频流在过去几年中促进了视频流的改进。需要在比特率、视频质量等编码性能目标之间取得平衡……

Talking head generation 在虚拟现实（VR）中变得日益重要，尤其是在涉及多轮对话的社交场景中。现有方法……

在多智能体多臂赌博机（MA-MAB）的背景下，公平性通常被简化为结果：最大化福利、降低不平等或平衡效用……

从视觉观察中推断物理动作是推动 machine intelligence 在物理世界中发展的基本能力。实现这一点需要…

Large Language Models (LLMs) 已经展现出卓越的能力，但仍然容易受到旨在绕过 safety guardrails 的对抗性 “jailbreak” 攻击。

在资源受限的边缘设备上部署基于 Python 的 AI 代理会面临运行时优化的挑战：需要大量线程来掩盖 I/O 延迟，但 Python 的 Global Interpreter Lock（GIL）阻止了真正的并行执行，导致 CPU 利用率不佳。为了解决这一问题，我们提出了一种混合执行模型，结合多进程（multi-process）和多线程（multi-threading）策略：对 CPU 密集型任务使用 Python 的 multiprocessing，对 I/O 密集型操作则在独立线程中使用异步 I/O（asynchronous I/O）。这种方式能够绕过 GIL 处理计算密集型工作负载，并高效地将 I/O 与计算重叠，从而在受限硬件上提升整体吞吐量。我们在 Raspberry Pi 4 上部署了实时目标检测流水线（object detection pipeline），实验表明该模型相较于纯多线程实现实现了 2.5 倍的加速，同时保持了低内存开销。

条件语言模型的内在评估指标，如 perplexity 或 bits-per-character，已在单语和多语环境中被广泛使用……

对大型语言模型（LLMs）进行选择性知识擦除对于遵守GDPR以及模型安全至关重要，然而当前的unlearning方法将行为抑制与真正的…混为一谈。

多智能体系统 (MAS) 通过协调多个代理实现复杂推理，但由于多步执行和重复... 常常导致高推理延迟。

研究材料的光电子结构可能需要计算伪厄米 Hamiltonian 的数千个最小特征对。

大型语言模型（LLMs）在自然语言任务中取得了令人印象深刻的表现，并且正日益在真实世界的应用中部署。尽管...

大型语言模型正日益用于代码生成和调试，但它们的输出仍可能包含来自训练数据的错误。Dist...

AI agent frameworks 的兴起引入了 agent skills，即包含指令和 executable code 的 modular packages，能够动态扩展 agent 的能力……

尽管 transaction throughput 已经开发超过15年，仍然是区块链面临的关键挑战之一，通常其上限为……

在人工智能领域，实数参数单目标优化是一个重要方向。差分进化（Differential Evolution，DE）和Co...

AI-powered coding assistants 正在快速成为专业 IDE 中的常规工具，但它们对日常开发的持续影响仍然了解不足……

当前的 IDE 内部 AI 编码工具通常依赖耗时的手动提示和上下文管理，而主动的替代方案则能够预判开发者……