当前对多模态模型的研究面临一个关键挑战，即提升生成能力往往会以牺牲理解能力为代价，反之亦然……

多模态大型语言模型（mLLMs）常用于在结构化数据中回答问题，例如 Markdown 表格、JSON 和图像。虽然这些模型……

本文介绍了 RaCo，一种轻量级神经网络，旨在学习稳健且多功能的关键点，适用于各种 3D 计算机视觉任务。Th...

Low-resource languages 在 Natural Language Processing 任务（如 lemmatization 和 part-of-speech (POS) tagging）中带来持续的挑战。本文 inves...

现有的 3D 开放词汇场景理解方法大多强调将来自 2D 基础模型的语言特征蒸馏到 3D 特征场中，但大...

视觉类比学习通过示范而非文本描述实现图像操作，使用户能够指定不同的复杂转换。

大型语言模型在许多复杂推理任务上表现出色，但它们在需要组合推理的基准测试中准确率会急剧下降。

商业计划（BP）写作在创业教育中发挥关键作用，通过帮助学习者构建、评估并迭代完善他们的想法。然而，...

在软件定义车辆（Software-Defined Vehicles）中进行功能测试具有挑战性，因为需求是用自然语言编写的，规格则结合了文本、表格和……

本研究调查了通过截断对潜在空间进行正则化对深度学习分类器生成的测试输入质量的影响。

我们提出了用于基本分布式计算问题的新分布式量子算法，即 leader election、broadcast、Minimum Spanning Tree（MST）以及……

联邦学习（Federated Learning，FL）使得在多个客户端之间进行分布式训练成为可能，而无需集中式数据共享；与此同时，图神经网络（Graph Neural Networks，GNNs）用于建模关系……