自动驾驶汽车的快速发展导致测试需求激增。传统的测试方法，如虚拟仿真、封闭赛道和……

自动从 natural language requirements 合成 verifiable code 可确保软件的正确性和可靠性，同时显著降低了门槛。

我们研究大型语言模型（LLMs）在作为具备工具使用能力的自主代理时的失败情况。使用 Kamiwaza Agentic Merit Index（KAM）...

DreamerV3 是一种最先进的在线模型驱动强化学习（MBRL）算法，以其显著的样本效率而闻名。同时，Kolmogorov‑Arno…

active automata learning、model-based testing 和 model checking 的组合已在众多应用中成功使用，例如用于发现 bug …

尽管大型语言模型（LLMs）在代码生成方面非常有效，但它们经常输出错误的代码。一个原因是模型输出概率……

Otus 是一个高性能计算集群，于 2025 年启动，由帕德博恩并行计算中心（PC2）在帕德博恩大学运营。

我们考虑从带噪声且欠定的观测中恢复未知低维向量的问题。我们聚焦于 Generalized Projected Gradient……

模拟计算在边缘是一种新兴策略，用于限制数据存储和传输需求，以及能源消耗，并且它的实际实现…

视频扩散模型（VDMs）在三维时空域上执行注意力计算。相较于处理一维序列的大型语言模型（LLMs）……

视觉语言模型（VLMs）已展示出令人印象深刻的多模态理解能力，并正被部署在越来越多的在线视频中……

大型语言模型（LLMs）的快速采用正推动 AI 加速器向更强大且更专用的设计发展。与其进一步复杂化…

Process mining 传统上假设事件数据的集中收集和分析。然而，现代的 Industrial Internet of Things 系统正日益以 … 运行。

虽然 surrogate backpropagation 在训练深层 spiking neural networks (SNNs) 中被证明是有用的，但在大规模 …

Lottery Ticket Hypothesis 断言，在密集、随机初始化的神经网络中存在高度稀疏、可训练的子网络（“winning tickets”）。

我们引入 Neuro‑Vesicles，一个在传统神经网络上增添缺失计算层的框架：一个动态的、可移动的、离散的……

本文介绍了 ArcGD 优化器的公式化、实现和评估。评估最初在一个非凸基准函数上进行……

我们报告了一种单色多任务衍射网络架构，利用照明相位复用来动态重新配置其输出功能……

循环神经架构如 LSTM 和 GRU 在序列建模中仍被广泛使用，但它们仍面临两个核心限制：冗余的门…

在大型语言模型（LLMs）时代，检索增强生成（RAG）架构因其能够将语言……

Instruction-based image editing 已成为一个重要的研究领域，受益于 image generation foundation models，已经实现了高水平的美学效果……

实时分块（RTC）使视觉‑语言‑动作模型（VLAs）能够通过异步预测动作块，生成平滑、响应迅速的机器人轨迹……

强化学习 (RL) 已成为微调大型语言模型 (LLMs) 以解决涉及推理任务的事实标准。然而，越来越多的证据表明，模型 tra...

水下图像常常因波长依赖的光吸收和散射而出现严重的颜色失真、低对比度和雾化外观。Si...