海洋建模是模拟海洋物理、化学和生物过程的有力工具，是海洋科学研究和实用海洋学的基础。现代海洋数值模拟主要由控制方程和数值算法组成。非线性不稳定性、计算开销、重复使用效率低和耦合成本高等逐渐成为数值海洋建模进一步发展的主要瓶颈 ...

可编程的面向任务的对话（TOD）代理使语言模型能够遵循结构化对话策略，但其有效性取决于准确的状态跟踪。我们提出了 PyTOD，这是一种生成可执行代码来跟踪对话状态并使用策略和执行反馈来有效纠正错误的代理。为此，PyTOD 采用简单的约束解码方法，使用语言模型而不是语法规则来遵循 API 模式 ...

在面向任务的对话（TOD）系统中，时隙模式归纳（SSI）对于从对话数据中自动识别关键信息时隙（无需人工干预）至关重要。本文提出了一种新颖的最先进（SoTA）方法，将 SSI 制定为文本生成任务，其中语言模型在对话数据流上增量构建和细化槽模式。为了开发这种方法，我们提出了一种基于 LLM 的全自动 TOD 模拟方法，该方法可为新颖的任务域创建具有高质量状态标签的数据 ...

由于缺乏能够进行语义和几何重建的综合数据集，航空整体场景理解算法的发展受到阻碍。虽然合成数据集提供了一种替代方案，但现有选项表现出特定于任务的限制、不切实际的场景组合以及损害现实世界适用性的渲染伪影。我们推出了 ClaraVid，这是一个专门为克服这些限制而设计的合成航空数据集 ...

在现实场景中，嘈杂的标签是不可避免的。由于深度神经网络记忆损坏标签的能力很强，这些噪声标签可能会导致性能显着下降。现有的减轻噪声标签负面影响的研究主要集中在鲁棒损失函数和样本选择上，对模型架构正则化的探索相对有限 ...

分布外（OOD）检测旨在识别来自未知类别的样本，在针对意外输入错误的可信模型中发挥着至关重要的作用。广泛的研究致力于探索视觉模式中的 OOD 检测。视觉语言模型 (VLM) 可以利用文本和视觉信息进行各种多模态应用，而很少有 OOD 检测方法会考虑来自文本模态的信息 ...

大型语言模型（LLM）代理在多域任务中表现出显着的概括能力。现有的代理调整方法通常在整个专家轨迹上采用监督的固定。但是，全面轨迹的行为限制会引入专家偏见，并削弱专家数据所涵盖的状态 ...

先前关于分布外检测（OoDD）的研究主要集中在单模态模型上。最近，随着大规模预训练视觉语言模型（例如 CLIP）的出现，通过零样本和即时学习策略利用这种多模态表示的 OoDD 方法已经出现。然而，这些方法通常涉及冻结预训练权重或仅部分调整它们，这对于下游数据集来说可能不是最佳的 ...