尽管大型语言模型 (LLM) 因其卓越的功能而得到广泛应用，但已被证明容易受到后门攻击。这些攻击通过毒害训练样本和全参数微调，将有针对性的漏洞引入 LLM。然而，这种后门攻击是有限的，因为它们需要大量的计算资源，特别是随着 LLM 规模的增加 ...
我们提出了一个简单而通用的点云特征学习框架。 CNN 成功的关键是卷积算子，它能够利用网格中密集表示的数据中的空间局部相关性（例如， ...
在集成传感和通信 (ISAC) 系统中，估计目标的微多普勒 (mD) 频谱图需要将从通信中检索到的信道估计值与临时传感数据包相结合，以应对通信流量的稀疏性。因此，mD 质量取决于传感数据包的传输策略，这仍然是一个具有挑战性的问题，没有已知的解决方案。在这封信中，我们设计了一个深度强化学习（RL）框架，将此类问题分解为一系列更简单的决策，并利用 mD 时间演化来最大化重建性能 ...
扩散模型的最新进展彻底改变了音频驱动的头部说话合成。除了精确的唇形同步之外，基于扩散的方法还擅长生成与音频信号良好匹配的微妙表情和自然头部运动。然而，这些方法面临着推理速度慢、对面部运动的细粒度控制不足以及偶尔出现视觉伪影的问题，这主要是由于变分自动编码器（VAE）衍生的隐式潜在空间，这阻碍了它们在实时交互应用中的采用 ...
软件开发人员经常求助于 Stack Overflow (SO) 来满足他们的编程需求。鉴于相关帖子数量众多，浏览它们并比较不同的解决方案是乏味且耗时的。最近的工作建议自动将 SO 帖子总结为简洁的文本，以方便 SO 帖子的导航 ...
如今，机器人上配备了越来越多的传感器，以提高鲁棒性和自主能力。我们已经看到了不同平台上配备的各种传感器套件，例如地面车辆上的立体摄像头、手机上带有 IMU（惯性测量单元）的单目摄像头以及空中机器人上带有 IMU 的立体摄像头。尽管过去已经提出了许多状态估计算法，但它们通常应用于单个传感器或特定的传感器套件 ...
现有的大型语言模型很难支持多种低资源语言，特别是资源极低的语言，因为这些语言可用于有效参数更新的训练数据很少。因此，我们调查 LLM 是否可以仅通过提示即时学习一门新语言。为了研究这个问题，我们收集了壮语的研究套件，目前尚无 LLM 支持这种语言 ...
在城市计算中，对交通网络中的多元时间序列数据进行精确、快速的预测至关重要。这些数据包含了额外的空间环境，例如传感器放置和道路网络布局，并表现出复杂的时间模式，放大了交通管理、智能移动需求和城市规划中预测学习的挑战。因此，越来越需要预测更广泛地理区域的交通流量和更高的时间覆盖范围 ...
