组织学成像是医学诊断和研究中的重要工具，可以在微观水平上检查组织结构和组成。了解组织结构的潜在分子机制对于发现疾病机制和开发有效治疗至关重要。基因表达谱分析提供了对组织结构下的分子过程的见解，但是该过程可能是耗时且昂贵的 ...

丢失数据是科学和工程任务中普遍存在的问题，特别是对于时空数据的建模。这个问题吸引了许多研究来为机器学习解决方案做出贡献。现有的插补解决方案主要包括低秩模型和深度学习模型 ...

在人类流动性领域中，选择下一访问位置的决策过程受到空间和时间限制之间的权衡的精致影响，这反映了个人需求和偏好。然而，这种权衡在个人之间各不相同，使这些时空动力学的建模成为巨大的挑战。为了解决这个问题，在这项工作中，我们介绍了“时空诱导的分层增强学习”（STI-HRL）框架，以捕获人类流动决策中的空间和时间因素之间的相互作用 ...

大型语言模型（LLM）服务正在成为云提供商越来越重要的工作量。根据性能SLO要求，LLM推理请求可以分为（a）秒数秒数的交互式请求，以及（b）以几分钟到几个小时的时间顺序放松SLO的批次请求。这些SLO可以根据到达率，多路复用和配置参数来降低，因此需要在服务实例及其批处理大小上使用资源自动化 ...

大型语言模型（LLMS）通过培训后和测试时间缩放定律在复杂的推理任务中表现出了很大的进步。尽管通常通过使用外部奖励模型来指导模型生成过程来实现普遍的测试时间缩放方法，但我们发现在对特定推理任务进行训练后进行训练的模型时，只能获取边际收益。我们确定有限的改进源于特定训练后发生器和一般奖励模型之间的分布差异 ...

大量现实世界的图或网络本质上是异构的，涉及多种节点类型和关系类型。异构图嵌入是将异构图丰富的结构和语义信息嵌入到低维节点表示中。现有模型通常在异构图中定义多个元路径来捕获复合关系并指导邻居选择... ...

Panoptic和实例分割网络通常经过专门的对象检测模块，复杂的损耗功能以及临时的后处理步骤来管理实例掩码的置换不变性。这项工作以稳定的扩散为基础，并提出了一种潜在的扩散方法，以进行全景分割，从而产生了一种简单的体系结构，从而省略了这些复杂性。我们的培训包括两个步骤：（1）培训浅自动编码器，将细分面罩投射到潜在空间； （2）训练一个扩散模型，以允许在潜在空间中进行图像条件的采样 ...

类人自动演绎推理一直是数学与人工智能交叉学科中最具挑战性的开放问题之一。本文是我们系列作品中的第三篇。我们构建了一个名为fgeodrl的神经符号系统，可以自动执行类似人类的几何演绎推理... ...