人工智能（AI）的快速增长带来了新颖的数据处理和生成能力，但也导致了能源需求的不断上升。这种……

各个领域系统的日益复杂和相互关联导致人们对研究复杂网络的兴趣日益增长，尤其是 Scal...

我们提出了 SpaceTimePilot，一种视频扩散模型，能够将空间和时间解耦，以实现可控生成渲染。给定单目视频，SpaceTimePil...

最近在3D重建方面的进展在从密集多视图图像捕获高质量场景方面取得了显著进展，但在输入视角…

类人机器人在以人为中心的环境中具有巨大的潜力，但实现头部、手部和腿部的稳健全身协同仍然是一个挑战……

我们提出 Edit3r，一个前馈框架，能够在一次传递中从未配准、视角不一致、经过指令编辑的图像中重建并编辑 3D 场景。U...

High-stakes decision making 涉及对未来不确定性的推理。在本工作中，我们训练 language models 对 open-ended 进行预测……

从 temporally corrupted skeleton sequences 中识别 fine-grained actions 仍然是一个重大挑战，尤其是在 online 的真实场景中……

音频驱动的视觉配音旨在将视频的唇部动作与新的语音同步，但由于缺乏理想的训练数据，根本上面临挑战：pai...

现代操作系统和分布式系统中的资源管理任务仍主要依赖于手工设计的 heuristics，用于 scheduling、caching 等任务。

尽管规模庞大且取得了成功，现代 transformers 几乎普遍被训练为单一目标的系统：优化产生一组确定性的参数……

Clock 和 Pizza 解释与在 uniform 或 learnable attention 上有所不同的架构相关，被提出用来论证不同的 a...

现代机器学习（ML）训练和推理现在跨越数十到数万块 GPU，在此过程中，网络故障由于恢复缓慢会浪费 10%–15% 的 GPU 小时。常见的 ne...

本研究提出了一个概念框架和针对基于大型语言模型（LLM）的建筑能源管理系统（BEMS）AI 代理的原型评估，以……

检索增强生成（RAG）对所选上下文的质量高度敏感，但标准的 top‑k 检索往往返回冗余或近似重复的…

判别式分类方法常常学习到在分布内有效的捷径，但在轻微的分布转移下就会失效。这种失效模式源于...

Transformer 语言模型通过将语言建模为一系列 token 来生成惊人自然的文本。然而，仅仅依赖表层共现……

二元选择，通常用于人类反馈强化学习（RLHF），仅传达偏好的方向。一个人可能会选择苹果而不是……

本文的目标是为深度梯度流方法（DGFMs）在求解（高维…）中的应用提供坚实的数学基础。

在过去的几年里，memes 已经从仅仅是幽默交流的媒介演变为一种让用户能够自由表达各种情感的方式，……

扩散语言模型（DLMs）已成为一种有前景的替代自回归模型的方案，可通过并行标记生成实现更快的推理。我们提供...

我们提出了 FoundationSLAM，一个基于学习的单目稠密 SLAM 系统，旨在解决先前基于光流的方法中缺乏几何一致性的问题……

Lifelong person Re-IDentification (L-ReID) 利用顺序收集的数据持续训练和更新 ReID 模型，关注整体性能……

我们引入了一阶迭代优化算法的基本不等式，构建了一个简单且通用的框架，将隐式和显式方法联系起来……