编织是语音增强（SE）的重要子任务，以提高信号的清晰度和质量。但是，它仍然具有挑战性，因为混响与信号高度相关。此外，单渠道SE文献主要集中在混响时间短（通常不到1秒以下）的房间上，较小的房间（低于1000立方米）和相对较短的距离（最大2米） ...

检索增强的一代（RAG）通过合并外部知识来减轻LLM中的幻觉，但依赖于缺乏结构语义的基于块的检索。 GraphRag方法通过将知识作为实体关联图建模来改善抹布，但仍面临高建筑成本，固定的一次性检索以及对长篇文化推理和及时设计的依赖的挑战。为了应对这些挑战，我们建议通过端到端强化学习（RL）的Graph-R1（Agrage-R1） ...

连接和自动化车辆（CAV）的正确运行对于未来智能运输系统的安全性和效率至关重要。同时，过渡到完全自主驾驶需要长时间的混合自主流量，包括骑士和人类驱动的车辆。因此，为骑士的协作决策对于产生适当的驾驶行为至关重要，以提高混合自主流量的安全性和效率 ...

在固定和已知降解的假设（例如，双子型下采样）的假设下，最近的RGB引导深度超分辨率方法已实现了令人印象深刻的性能 ...

近年来，大型语言模型（LLM）发展迅速，彻底改变了各个领域。尽管他们取得了广泛的成功，但LLMS很大程度上依赖包装管理系统的外部代码依赖性，创建了一个复杂且相互联系的LLM依赖供应链。依赖项的漏洞可以使LLMS暴露于安全风险 ...

强化学习（RL）已被证明在增强大语言模型（LLM）的复杂推理能力方面非常有效，但推动这一成功的基本机制仍然很大程度上不透明。我们的分析表明，像``啊哈时刻''一样令人困惑的现象，``长度缩放''和熵动态不是截然不同的事件，而是出现的紧急推理层次结构的标志，类似于分离高级战略计划，从人类的认知中脱颖而出。提高其低级技能 ...

最近，在联邦学习中``被遗忘的权利''的实际需求产生了一种称为联邦未来学习的范式，这使服务器能够在客户端的删除请求时忘记个人数据。现有的关于联邦学习的研究主要集中于有效地消除客户模型中所请求的数据的影响而不从头开始重新审议，但是，他们很少怀疑其在未学习前后的预测性能之间的差异所带来的全球模型的可靠性。为了弥合这一差距，我们迈出了第一步，引入了一种新颖的恶意攻击，称为Fedmua，旨在揭示在未学习过 ...

借助最近促进照片现实图像综合的生成模型，合成图像的扩散也对社交平台产生了某些负面影响，从而提出了开发有效探测器的紧急情况。当前的合成图像检测（SID）管道主要致力于制定通用伪影特征，并伴随着有关SID训练范式的监督。在本文中，我们重新检查了SID问题，并确定了当前训练范式中的两个普遍偏见，即 ...