精心设计的提示对于增强大型语言模型（LLMS）推理功能至关重要，同时将其输出与跨不同领域的任务要求保持一致。但是，手动设计的提示需要专业知识和迭代实验。尽管现有的迅速优化方法旨在使此过程自动化，但它们在很大程度上依赖于诸如地面真相或人类之类的外部参考，从而限制了它们在无法获得或昂贵的现实情况下的适用性 ...

3D几何内容越来越流行。在本文中，我们研究了使用深神经网络分析变形3D网格的问题。变形的3D网格是灵活的，可以代表3D动画序列以及同一类别的对象集合，从而允许具有大规模非线性变形的各种形状 ...

大型视觉模型（LVLM）的进步推动了其在医疗领域的应用。但是，医疗LVLM（MED-LVLMS）遇到了由于模式错位而遇到的事实挑战，在这种情况下，模型优先考虑文本知识而不是视觉输入，从而导致幻觉与医学图像中的信息相矛盾。以前通过偏好优化增强MED-LVLM中的模态对准的尝试不足以减轻偏好数据中的临床相关性，从而使这些样品易于区分和降低对齐的效率 ...

我们提出了一种新方法，用于估计一个模型'知道'的模型，并使用它来衡量现代语言模型的能力。对语言模型记忆的先前研究一直在努力将记忆与概括解散。我们将记忆正式分为两个组成部分：\ textIt {无意外的记忆}，模型包含有关特定数据集的信息，以及\ textit {pressilization}，模型包含有关真实数据生成过程的信息 ...

药物 - 药物相互作用（DDIS）可能导致各种药理变化，这些变化可以归类为称为DDI事件（DDIE）的不同类别。近年来，以前未观察/看不见的ddies一直在出现，当看不见的课程在培训阶段没有标记的实例时，提出了新的分类任务，该阶段被标记为零拍摄的DDIE预测（ZS-DDIE）任务。但是，现有的计算方法并不直接适用于ZS-DDIE，该方法面临两个主要挑战：获得合适的DDIE表示并处理类不平衡问题 . ...

由大型语言模型提供动力的代理商表现出了显着的推理和执行能力，吸引了研究人员在推荐域中探索其潜力。先前的研究主要集中于独立增强推荐代理或用户代理的功能，但并未考虑推荐代理和用户代理之间的互动和协作。为了解决这一差距，我们提出了一个名为Flow的新颖框架，该框架通过引入反馈循环来实现推荐代理与用户代理之间的协作 ...

我们提出了SEED1.5-VL，这是一种视觉基础模型，旨在提高通用多模式的理解和推理。种子1 ...

分层聚类是一种广泛使用的方法，用于在多个粒度层面上群集数据集。尽管它很受欢迎，但现有的算法（例如层次结构聚类（HAC））仅限于离线设置，因此要求整个数据集可用。这禁止它们在现代学习应用程序中常见的大型数据集中使用 ...