PixelU:用于高效端到端像素扩散的U形Transformer
PixelU以简约U形结构解耦高低频,用跳跃连接和空间下采样实现高效像素扩散,仅1/3计算成本超越强基线。
双焦扩散语言模型:用于并行生成的非对称双向上下文
提出R2LM模型,融合因果注意力和反向Mamba侧边栏,实现非对称双向上下文,兼顾高吞吐与生成质量。
论共享嵌入序列模型中指令与数据的不可分离性
共享嵌入架构中指令与数据不可分,完美防止提示注入数学上不可能,需架构分离。
MASS: 面向光流视频帧插值精化的运动对齐选择性扫描
MASS沿光流轨迹构建特征序列,自适应采样精化流与掩膜,在大位移复杂动态场景达最优。
ToxiREX:上下文中有毒推理的数据集
首个多语言、上下文隐含毒性数据集,含Reddit评论和结构化注释,用于捕捉并解释有毒推理。
面向资源自适应LLM推理的端到端动态稀疏性
L2A框架实现资源自适应的LLM推理,动态跳过层、剪枝头、减少推理令牌,单一模型覆盖计算-精度帕累托前沿。
利用混合分摊推理加速层次化稀疏预测编码
混合分摊推理(浅层LISTA初始化加短矫正)加速层次化稀疏预测编码,优于纯分摊且远快于长迭代。
概率化学反应网络的简化
将因子图简化迁移至化学反应网络,实现网络缩小并保持信念传播不动点。
从对话到检测:用于保险欺诈检测的多模态混合NLP流水线
提出合成多模态框架,融合语音、文本与说话人特征,实现保险欺诈早期检测,提供可复现基线。
课程学习推理 II:组合泛化
课程学习递归分解长序列为短子问题并组合求解,在监督微调中仅需次多项式监督,在强化学习中指数级降低模型条件。
面向城市电磁场地图预测的多模态条件高分辨率Transformer
提出多模态条件高分辨率Transformer预测电磁场,融合FiLM与交叉注意力,测试MAE 0.0461,较UNet提升25.2%。
SceneBot:接触提示的通用人形全身追踪与场景交互
SceneBot统一自由空间与接触交互的全身追踪,以接触标签引导策略,泛化执行搬箱上楼等复杂任务,代码开源。
RS-Diffuser:具有分布价值指导的风险敏感扩散规划
RS-Diffuser通过尾部风险梯度引导扩散规划,灵活实现风险规避、中性或寻求行为,提升离线RL鲁棒性与安全性。
中文标题
利用单细胞RNA测序重建人类脂肪细胞发育轨迹,揭示IGF和FGF通路为关键调控网络。
MultiHashFormer:基于哈希的生成式语言模型
MultiHashFormer用哈希签名表示token,实现高效自回归,多规模实验优于标准Transformer,参数恒定支持多语言扩展。
Flexformer:具有可学习注意力核的灵活线性Transformer
Flexformer通过可学习注意力核实现线性复杂度,性能优于基线,且可从预训练Transformer蒸馏,高效处理长序列。
信号覆盖矩阵:对陈述自动形式化中的类型错误和语义错误进行分层
提出信号覆盖矩阵四类输出,发现自动形式化改进主要来自类型错误恢复,语义错误改善有限。
使用辅助目标学习基于1比特激光雷达的定位
首个二值神经网络六自由度激光雷达定位框架BiLoc,以辅助目标自适应调节信息保留,缓解二值化信息损失,性能新SOTA。
加密手写文档图像的联合转录与解密:与传统流程的比较
提出直接图像解密端到端方法,绕过转录阶段,实验表明联合建模优于传统两阶段流程。
逐层渐进冻结:深度可扩展二值网络的训练框架
提出逐层渐进二值化方法StoMPP,无需STE即可提升深层二值网络精度,在多个数据集上显著优于基线。
从通用音频标记到空间声音事件定位与检测
提出AT2SELD框架,利用预训练通用音频标记模型扩展至空间定位与检测,通过神经架构搜索优化,验证其有效性。
误差空间:空中声学攻击的大规模模拟
大规模模拟揭示声学感知使词错率提升94.5%,提出双形式信噪比解耦攻击效能。
PerturbCellRL:验证器引导的强化学习用于单细胞扰动预测
PerturbCellRL用验证器奖励强化学习后训练单细胞生成器,确保细胞扰动效应生物一致性,提升预测可靠性与群体指标。
SIFT:视频扩散模型中物理合理运动的自我想象微调
提出自我想象微调(SIFT)打破运动纠缠,提升视频物理真实感与运动解耦。
基于机制驱动的监控器用于大语言模型训练不稳定的预防性检测
通过监控QK谱熵和MoE路由器指标,在损失发散前数千步预判训练不稳定。
瓦瑟斯坦空间中的凸差规划及其在MMD优化中的应用
提出瓦瑟斯坦空间上的凸差规划,用于MMD优化,证明几乎平稳性并给出显式分解,收敛更快更稳定。
场景与人类同世界:前馈重建
SHOW框架耦合前馈场景重建与人体网格恢复,利用人体先验和场景约束,实现度量尺度一致的人景重建。
从令牌到状态:LLM作为世界模型的特例及超越的连续路径
LLM是世界模型的退化特例,存在从令牌预测到状态预测的连续谱,但面临自监督数据和架构适配挑战。
基于细胞病理图像合成与知识蒸馏的两阶段跨域宫颈异常筛查
两阶段跨域宫颈检测框架:SC-UNSB合成中间域缓解域偏移,知识蒸馏双级特征对齐提升泛化性能。
LLMs 判断是否优于生成?评估上下文 QA 中的任务不对称、机制可解释性与可迁移性
LLM自评估并非总比生成容易,生成准确率多数更高,因评估对上下文注意力不足。
先丢弃再恢复:视觉-语言-动作模型的冗余程度探究
VLA模型中语言骨干高度冗余,移除一半甚至保留两层LLM块不影响性能,而视觉和动作路径不可或缺。
NormGuard:流匹配强化学习中的奖励保持型范数约束
RL后训练导致速度范数膨胀5%-15%并损害质量;NormGuard在训练时施加范数约束,保持奖励并提升图像质量。
ZooClaw-FashionSigLIP2:通过蒸馏微调实现鲁棒的时尚检索
提出蒸馏微调与权重插值的时尚检索模型,超越现有方法,发布新基准并分析数据集偏差。
全景场景分析:从畸变感知工程到球面原生基础建模的综述
全景场景分析从畸变感知到球面原生建模的演进,核心矛盾为球面等变性与重用透视预训练权重不可兼得,揭示评估五不足,提出六路线。
USAD:不确定性感知的统计对抗检测
USAD通过方差差异和扰动协方差差异捕捉对抗样本的不确定性,提升检测性能。
面向靶向氨基酸组成的蛋白质序列生成的两阶段微调
提出两阶段微调流程,先域自适应微调,再强化学习微调,生成符合目标氨基酸组成且保持质量的蛋白质序列。
Pepti-drift:面向抗原条件离散肽生成的毒性排斥漂移
提出毒性感知框架Pepti-drift,单步漂移生成肽候选,吸引结合肽并排斥毒性区,用预热策略稳定优化。
面向复杂交通场景的嵌入式实时车牌识别系统
本系统针对发展中国家复杂交通场景,采用轻量CNN和FPGA加速,实现嵌入式实时车牌识别,检测mAP 93.6%,识别准确率87.88%。
ModaFlow: 模态感知流匹配用于高保真虚拟试穿
ModaFlow通过模态感知引导、正则化损失和掩码策略实现高保真虚拟试穿,FID降低约30%。
Towards Automating Scientific Review with Google's Paper Assistant Tool
TRUST:基于图像到超声视频迁移学习的高效腹部创伤识别
TRUST框架通过跨频协同适配器、多粒度运动感知和视觉查询语义聚合,在超声创伤识别中提升性能9.63%,计算高效。
针对高性能计算系统上可扩展知识蒸馏的师生划分优化
通过解耦师生模型划分与拓扑感知并行,吞吐量提升67%,加速GKD训练。
SpatialUAV:低空无人机空间智能基准测试
提出含4331实例、14类任务的低空无人机空间智能基准,揭示模型在跨视角关联与几何推理上的瓶颈。
WattLayer:正确分层以估算神经网络推理能耗
提出WattLayer逐层能耗估算模型,在超10万层数据上中位误差19.6%,优于现有方法,可泛化至新任务。
通过激活放大与衰减提升对抗鲁棒性
A3轻量模块通过可学习缩放机制联合放大/衰减对抗扰动,提升鲁棒性且计算开销小。
海马-DETR:基于海马建模的显式记忆目标检测框架
基于海马记忆建模的检测框架,模拟海马子区域提升检测精度与泛化能力。
GNBAN:用于大规模实体集长周期预测的图神经基注意力网络
GNBAN结合异构图与可解释基分解,通过每基注意力实现零售长周期预测,精度提升4-5%。
视觉默认,先验覆盖:视觉-语言模型中感知-知识冲突的因果机制
VLM中视觉默认,先验覆盖依赖于少数注意力头,消融可翻转预测,揭示不对称因果回路。
MindFlow:协调认知语义与声学动态的双人对话面部动画生成
仿神经腹侧-背侧通路的双路径框架,解耦语义推理与动态控制,实现更优面部动画。
延迟验证破坏多智能体大语言模型信念:不稳定性阈值与最优校正器放置
延迟验证引致多智能体LLM信念振荡,阈值与通信延迟相关,校正放置有(1-1/e)近似最优解。