用户偏好在一天内遵循动态模式，例如，上午8点，用户可能更喜欢阅读新闻，而在晚上8点，他们可能更喜欢看电影 ...

我们通过对学习的$ a $ a $ a $ $ b $矩阵的不对称分析的镜头进行联合学习的洛拉。为此，我们发现$ A $矩阵负责学习通用知识，而$ b $矩阵专注于捕获特定于客户的知识。基于这一发现，我们介绍了联合Share-a-a-Rank Apaptation（FEDSA-LORA），该改编（FEDSA-LORA）使用两个低级别训练的矩阵$ a $ a $ a $ and $ b $来对重量更 ...

机器人需要对先前观察到的记忆，但目前被阻塞的对象可以在现实的环境中可靠地工作。我们研究了将面向对象的内存编码为多对象操纵推理和计划框架的问题。我们提出了厄运和织机，它利用变形金刚的关系动力学编码给定部分视点云和对象发现和跟踪引擎的轨迹历史 ...

移动代理商的进步为移动设备上的任务自动化开辟了新的机会。培训这些代理需要大规模的高质量数据，这是使用人工劳动力的昂贵的。考虑到全球大量的手机用户，如果从中自动数据收集是可行的，则最终的数据量和随后训练的移动代理可能达到前所未有的水平 ...

多尺度卷积神经网络（CNN）在解决各种视力问题方面表现出了显着的功能。但是，融合不同尺度的特征总是以大型模型大小为大小，阻碍了多尺度CNN在RGB-D显着检测中的应用。在本文中，我们提出了一个定制的特征融合模块，称为显着特征融合（SEFF），用于RGB-D显着性检测 ...

低排名适应性（LORA）是预先训练的语言模型上最受欢迎的特定任务特定参数效率微调（PEFT）方法之一，其良好的性能和计算效率。洛拉（Lora）在每个冷冻预训练的模型模块的顶部注入了两个可训练的等级分解矩阵的产物。但是，当在保护联合学习（FL）的设置中应用于以下事实，LORA可能变得不稳定：1）数据异质性和多步局部更新的影响不可忽视，2）2）附加噪声在更新梯度上坚持更新以保证降低隐私（DP）可以降低 ...

现代推荐系统是建立在计算密集型基础架构的基础上的，并且由于计算资源有限，对每个请求，尤其是在高峰期进行实时计算是一项挑战。当系统无法提供实时建议时，通过用户的结果推荐将纳维斯库广泛使用。但是，分配实时和缓存的建议以最大程度地提高用户的整体参与是一项挑战 ...

作为一项全球著名的运动，足球吸引了世界各地的球迷们广泛的兴趣。本文旨在为足球视频理解开发一个全面的多模式框架。具体来说，我们在本文中做出了以下贡献：（i）迄今为止，我们介绍了SoccerReplay-1988，这是最大的多模式足球数据集，其中包含1,988个完整匹配的视频和详细注释，并具有自动注释管道； （ii）我们介绍了足球领域中的第一个视觉语言基础模型，即MatchVision，该模型利用了跨 ...