在过去的几年中，对象检测取得了巨大的成功，而目前的优秀检测器则在解决尺寸有限的实例方面努力。具体而言，先验区域和物体区域之间低重叠的众所周知的挑战导致样本池进行优化，而判别信息的匮乏进一步加剧了识别。为了减轻上述问题，我们提出了CFINET，这是一个针对基于粗到精细的管道和特征模仿学习的小物体检测而定制的两阶段框架 ...

注意：此预印本具有缺陷的理论表述。请避免它，并参考此HTTPS URL的ICLR22出版物。另外，Arxiv：2109 ...

近年来，在多模式理解模型和图像产生模型中都取得了显着的进步。尽管取得了各自的成功，但这两个领域还是独立发展的，导致了独特的建筑范式：尽管基于自动进程的架构占多模式的理解，但基于扩散的模型已成为图像生成的基石。最近，人们对开发整合这些任务的统一框架的兴趣越来越大 ...

最近的3D高斯脱落（3DG）表示在新型视图合成中表现出了显着的性能。此外，3DGS上的材料散开材料散布值得重新保证功能及其对更广泛应用的适应性。虽然对后一种操作的一般方法在于整合基于物理的渲染（PBR）技术以共同恢复BRDF材料和环境照明，但由于精确建模光运输的挑战，获得精确的脱离仍然是一项固有的艰巨任务。现有方法通常近似高斯点的正态，这构成了隐式几何约束 ...

我们的目标是建立一个符合用户意图的较小语言模型。以往的研究表明，在较大的模型上应用精馏监督微调（dSFT）能显著提高任务的准确性。...

已经表明，在某些情况下，有效地区分人类和机器生成的文本的填充 Transformer 和其他监督探测器：2305.13242，但我们发现，即使是N-gram和部分语音特征的简单分类器也可以在内部和远距离数据上实现非常强大的性能。为了了解这是如何实现的，我们分析了五个数据集中的机器生成的输出文本，发现LLM具有独特的指纹，这些指纹在某些词汇和形态句法特征的频率上显然是略有差异 ...

将概论性的视觉基础模型（如夹子）整合到联邦学习中，引起了人们的重大关注，以增强跨不同任务的概括。通常，联邦视觉学习模型采用迅速学习来降低沟通和计算成本，即 ...

LLM（大型语言模型）从业人员通常会注意到，在预期确定性的设置下的相同输入中，输出可能会有所不同。然而，关于这是多么普遍的问题，以及对结果的影响，尚未系统地研究我们的知识。我们在五个llms中调查了五个LLM中的非确定性，当在零射击和少量设置中应用于八个常见任务时，它们被配置为确定性 ...