在大型语言模型（LLM）开发中，主流范式是先对基础模型进行预训练，然后进行进一步的训练以提升性能和模型……

扩散语言模型通过迭代细化生成文本，这一过程通常计算效率低下，因为许多标记在达到稳定状态后……

我们研究在给定的有限线段以及具有有限正半径的圆上，对 n 台移动机器人群的 min-sum uniform coverage problem，其中……

随着大型多模态模型的快速发展，可靠的judge和critic模型已成为开放式评估和preference alignment的关键。

自动生成 agentic 工作流——可执行的 operator 图或代码，用于编排推理、验证和修复——已成为一种实用的……

误信息检测是一项关键任务，能够显著受益于外部知识的整合，就像人工事实核查一样。在本...

Flow-matching 模型在图像和视频生成方面提供了最先进的保真度，但其固有的顺序去噪过程使其速度较慢。Existin...

基于强化学习（RL）的后训练用于显式链式思考（例如 GRPO）提升了多模态大规模推理模型的推理能力。

Biometric footstep recognition，基于人们在行走时脚下独特的压力模式，是一个新兴领域，应用正日益增长……

大型语言模型（LLMs）展示了强大的通用推理和语言理解能力，但在受严格形式约束的领域中，它们的性能会下降。

我们提出了 PuriLight，一个轻量且高效的框架，用于自监督单目深度估计，以应对计算效率方面的双重挑战……

多任务策略搜索是一个具有挑战性的问题，因为策略需要在训练案例之外进行泛化。课程学习已被证明是有效的……