SDFORGER是一种灵活，有效的框架，用于使用LLMS生成高质量的多元时间序列。 SDFORGER利用紧凑的数据表示，从几个样品中提供了合成时间序列的生成，并对任何自回旋LLM的低计算进行微型调整。具体而言，该框架将单变量和多变量信号转换为表格嵌入，然后将其编码为文本并用于微调LLM ...

我们使用配备有手臂的腿部机器人（即腿部的机车操作）研究了移动操作的问题。机器人腿通常用于活动性，但通过进行全身控制提供了一个机会来扩大操纵功能。也就是说，机器人可以同时控制腿部和手臂以扩展其工作区 ...

我们如何使用周围的环境环境教人类机器人攀登楼梯并坐在椅子上？可以说，最简单的方法是仅向他们展示人类运动视频并将其喂给人形生物。我们介绍了VideoMimic，这是一种真正到现实的管道，挖掘了日常视频，共同重建了人类和环境，并为人类机器人制定了执行相应技能的人形机器人的全身控制策略。我们展示了我们对真实类人机器人的管道的结果，显示出稳健，可重复的上下文控制，例如楼梯上升和下降，坐姿和站立，坐在椅子和 ...

无监督学习的最有前途的方法之一是将深层表示学习和深入的聚类结合在一起。最近的一些作品建议使用深层神经网络同时学习表示形式，并通过在嵌入式特征之上定义聚类损失来执行聚类。但是，这些方法对数据不平衡和分布样本敏感 ...

映射到问题的知识组成部分（KCS）有助于建模学生学习，跟踪他们在细粒度技能上的精通水平，从而促进在线学习平台中的个性化学习和反馈。但是，传统上由人类领域专家执行的问题是高度劳动力密集的问题。我们提出了一条完全自动化的，基于LLM的管道，用于KC生成，并标记开放式编程问题 ...

将现有概念结合到新思想的能力是人类智力的基本标志。视觉模型（VLM）（例如GPT-4V和Dalle-3）的最新进展引发了关于其输出是否反映M. A.定义的组合创造力的争论 ...

基于学习的方法在弱光原始图像增强功能方面取得了令人鼓舞的进步，而它们对于极黑色的场景的能力，由于缺乏相应的数据集，因此环境照明效果下降到低至0.0001 lux的能力仍有待探索。为此，我们提出了一个配对的数据合成管道，能够在三个精确的照明范围内生成精心校准的极低原始图像 ...

 Transformer 是各种序列建模任务的最新模型。其核心是一个注意力函数，该功能在每个时间步中的输入之间对成对相互作用进行建模。尽管注意力很强大，但由于其序列长度的二次时间和空间复杂性，它不会有效地扩展到长序列 ...