自主驾驶评估需要密切复制实际道路状况的模拟环境，包括现实世界的感觉数据和反应反馈循环。但是，许多现有的模拟需要预测公共数据集或综合影像学数据上的固定路线，\ ie，开环模拟通常缺乏评估动态决策的能力。尽管闭环模拟的最新努力提供了反馈驱动的环境，但它们无法处理视觉传感器输入或产生与现实数据不同的输出 ...

从演示中学习已显示是一种有效的机器人操作方法，尤其是在最近收集的带有远程操作系统的大规模机器人数据的方法中。在不同的机器人平台上建立有效的远程操作系统已经比以往任何时候都变得更加重要。但是，对于不同的最终效果，e ...

已证明，在线性顺序上以弹性互动为特征的宇宙学模型已被证明为减轻$ \ sigma_8 $张力提供了有希望的方案。在这些情况下，一个自然的问题是，相互作用和大规模中微子之间是否可能存在堕落，这也有助于彻底消除结构。在这项工作中，我们研究了这种堕落的存在，并表明这两种效应没有显示很强的相关性 ...

我们介绍了Orb，这是材料原子建模的普遍原子间潜力家族。 ORB模型的速度比现有通用电位快3-6倍，在模拟下，对于一系列分配材料的模拟稳定，并且在释放后，与MATBENCH DISCOVER DISCOUDY基准测试的其他方法相比，误差降低了31％。我们探索了材料基础模型开发的几个方面，重点是预处理 ...

本文介绍了Paint3D，这是一种新颖的粗到精细的生成框架，能够为未纹理的3D网格提供高分辨率，无照明和不同的2K UV纹理图，该图在文本或图像输入上。所解决的关键挑战是在没有嵌入的照明信息的情况下生成高质量的纹理，这使得纹理可以在现代图形管道中重新注射或重新编辑。为此，我们的方法首先利用预训练的深度感知2D扩散模型来生成视图条件图像并执行多视图纹理融合，并产生初始的粗纹理图 ...

检索授权的生成（RAG）使大型语言模型通过合并外部知识来提供更精确和相关的响应。在以查询为重点的摘要（QFS）任务中，基于GraphRag的方法显着提高了生成的响应的全面性和多样性。但是，现有的基于GraphRag的方法主要集中于粗粒信息摘要而不意识到特定查询，并且检索到的内容缺乏足够的上下文信息来产生全面的响应 ...

大型语言模型（LLMS）固有地使用自回旋解码，这在推理中缺乏并行性，并且导致推理速度明显缓慢。尽管Medusa之类的方法构建了并行的头部，但它们缺乏在不同预测位置上的足够信息相互作用。为了克服这一限制，我们介绍了Amphista，这是一个增强的投机解码框架，基于美杜莎 ...

 Transformer 模型越来越多地用于求解部分微分方程（PDE）。已经提出了几种适应，所有这些都遭受了 Transformer 的典型问题，例如二次记忆和时间复杂性。此外，所有用于PDE求解的普遍架构缺乏理想替代模型的几个期望特性之一，例如（i）在训练过程中未见的PDE参数的概括，（ii）空间和零零 - 零摄像的超级分辨率，（iii）连续的临时外推，（iv）的临时效果，（iv），（iv），（ ...