集群、路由、升级:面向成本感知的LLM服务的级联框架
两阶段级联框架先聚类路由再质量估计升级,保留97-99%准确率并降低输出时间成本。
记忆化指标在小样本重新校准sEMG解码器中早期发现过拟合的适用性
基于ReLU激活统计的记忆化指标可在无验证集的小样本sEMG校准中早期发现过拟合,激活率变化指示学习失败。
用于流量矩阵预测的参数高效量子启发式快速权重编程器
提出量子启发式G-QKANFWP模型,以22.4%参数超越较大LSTM,实现资源受限下更优的流量矩阵预测。
集体困境中的AI说服框架
AI通过个性化说服提升合作但效果短暂,自私框架负面影响更持久,揭示双重使用风险。
使用大型语言模型的单真相与多真相数据融合
研究用LLM进行表格数据融合,单/多真相场景均优于传统方法。
FlexMoE:面向MoE语言模型的一体化嵌套专家内剪枝
通过专家通道剪枝与中间预算微调,将MoE模型转换为嵌套子网络族,剪枝50%参数保留99.8%性能,支持实时预算切换。
HARMES数据集上多模态人体活动识别的融合技术比较
系统比较7种融合方法,门控多模态融合最佳(F1=0.82),比基线高6pp,代码公开。
DG^VoiC:真实呼叫中心条件下的说话人聚类用于欺诈调查
DG^VoiC语音聚类框架在真实呼叫中心音频中达96%AMI等指标,帮助识别重复说话人,辅助欺诈调查。
Video-MME-Logical:视频时间逻辑推理的受控诊断基准
提出Video-MME-Logical基准,通过五种时序逻辑操作诊断模型,发现人类与模型差距大,微调难以弥补。
使用最大均值差异的可扩展且可微分的点云配准
提出MMD-Reg,基于最大均值差异的可微点云配准,线性复杂度,支持端到端训练。
TA-SparseMG:面向长期时间序列的多尺度门控趋势感知稀疏预测
提出含趋势归一化、尺度自适应门控去噪与多尺度门控注意力的轻量模型,提升长期预测性能。
文本照明:面向语言引导医学图像分割的空间对比Retinex学习
提出文本照明Retinex网络,以文本嵌入调制特征,正负照明图对齐前景背景,多尺度监督,达医学分割SOTA。
HPRO:基于偏好提取的分层渐进式奖励优化情感语音合成
HPRO框架通过分层偏好提取解决信息冲突与尺度差距,增强情感表达并保持语义清晰。
CSD:内容感知的投机解码以实现高效图像生成
提出内容感知投机解码CSD,通过熵概率松弛与最优重采样动态调整接受率,加速图像生成并提升质量。
随机语言模型的标度极限
提出随机语言模型标度极限理论,发现凝聚相变(x_c=1/8)和熵减临界点(x=1/2),揭示语法大小与语料长度对语言统计的调控。
面向上下文赌博机的图降维:近似平滑与噪声特征空间下的结构特定遗憾界
提出GraphDR-LinUCB,利用图低频谱子空间降维,将维度依赖从d降至k,证明k√T遗憾界,在真实数据集上降低遗憾15倍。
S$^2$-VLA:状态空间引导的视觉-语言-动作模型用于长程操作
提出S²-VLA,通过状态空间引导自适应注意力动态融合视觉、意图与动作,在长程操作中超越7B模型,实现最优性能。
重排前的召回:大规模代码间检索的深度学习模型基准测试
评估深度学习模型在TB级代码检索中的召回性能,提出LLM规范化方案提升精度,揭示可扩展性限制。
当一个适配器代表多个:发现持续微调中的低秩冗余
提出LiteLoRA门控机制,利用适配器低秩冗余,减少20-70%参数使用,性能持平或领先。
ScaLe-INR:尺度与学习隐式神经表示
ScaLe-INR通过多分支架构和方向边缘引导损失消除频谱串扰,在图像、音频、3D重建中显著超越现有方法。
基于稀疏MLP值向量的无训练真实性检测
利用稀疏MLP值向量实现无训练真实性检测,仅需少量支持集,性能优于现有基线。
RECAST:有限数据下基于反事实感知Wasserstein几何的模型重建
提出RECAST方法,利用反事实和Wasserstein重心原型,在有限数据下高保真重建黑箱模型。
在搞砸之前先检查自己:选择性退出提升大语言模型智能体的安全性
提出“退出”机制让LLM智能体在不自信时退出,评估12模型安全提升0.39,有用性仅降0.03,高效安全。
LiveClawBench:在复杂真实助手任务上对LLM智能体进行基准测试
LiveClawBench通过三轴复杂度框架与可复现完整栈模拟,实现双保真度的真实助手任务基准测试。
可控的组织病理学图像合成:无需训练的结构初始化和纹理调制
提出CHIS框架,通过结构初始化和纹理调制,让无标注预训练扩散模型生成符合先验掩膜的高保真组织病理图像。
SEADA: 一种在多精度空间架构上优化混合精度深度神经网络的高效方法
SEADA通过系统级成本模型与熵精度选择,高效解决混合精度DNN在多精度架构上的映射优化问题。
面向O(2)离散子群等变的视觉Transformer统一框架
提出O(2)离散子群等变ViT统一框架,理论保证子群嵌入与表达能力,构建D6模型,实验表明等变提升识别准确率。
凸学习与非仿射聚合的危险关联
证明非仿射聚合破坏梯度单调性,导致收敛与稳定性下降,仅正仿射规则可保持单调性。
用于从可穿戴遥测数据中进行运动员表现评分的自编码器架构
评估五种降维模型压缩跑者传感器数据为潜得分,深自编码器最优,配速、有氧解耦、平均心率为关键驱动因素。
MLVC: 面向实际部署的多平台学习型视频编解码器
MLVC通过超先验传输尺度参数确保跨平台熵编码一致,架构改进与感知训练恢复效率,在NPU上实时运行,兼顾性能与鲁棒性,适合实际部署。
OrthoTryOn:基于几何正交化的无冲突统一时尚生成
OrthoTryOn通过正交子空间投影与Fisher引导负梯度,消除任务间冲突,实现统一时尚生成并超越独立模型。
整合知识图谱、大语言模型与搜索检索代理的混合事实核查方法提升可解释声明验证
混合事实核查集成知识图谱、大语言模型与搜索代理,无需微调达F1 0.93,提升可解释验证。
智能体AI驱动的重识别:移动微数据隐私面临的新兴可扩展威胁
实验表明,智能体AI从位置数据自动重识别72%的个体,成本仅分钟级,隐私威胁加剧。
Reflect-R1:基于证据驱动的长视频理解自纠正反思
提出证据驱动自纠正框架Reflect-R1,通过动态检索视觉证据和阶段解耦强化学习,实现长视频理解的真正自我纠正。
从键值缓存中学习驱逐策略
将KV缓存驱逐重构为强化学习,训练逐头代理预测令牌未来效用,无需修改LLM,性能超越强基线并良好泛化。
全程步数:基于视频的帕金森转身步数计数
提出基于视频的粗到细步数计数方法,融合3D网格与光流捕捉步态,用多实例学习预测残差,超越现有方法。
Home3D 1.0:面向室内设计的高保真图像到3D资产生成系统
从单张图像生成带PBR材质的3D资产,可分解为材质组件,含几何、纹理、材质、部件四模块。
MixTTA: 低秩跨通道混合实现可靠的测试时自适应
MixTTA通过低秩跨通道变换增强归一化层,配合解耦投影与谱投影,提升测试时自适应性。
极限下的安全语言生成
基于极限学习范式,首次理论处理安全语言生成,证明安全语言识别不可能,安全语言生成同样不可行,但存在可处理情况。
ProMSA:用于知识型视觉问答的渐进式多模态搜索智能体
提出渐进式多模态搜索智能体ProMSA,迭代选择搜索或停止,用序列级RL优化,提升KB-VQA准确率。
带有遮挡恢复的局部和全局人体运动长期预测
提出非自回归时空注意力Transformer,实现局部和全局人体运动预测,并具备遮挡恢复能力。
Measuring the Redundancy of Decoder Layers in SpeechLLMs
公平分类中的高效且事后可控的公平-准确率权衡
提出梯度优化算法学习特征表示,实现事后可控公平-准确率权衡,无需重训且效率媲美处理中方法。
A Multi-Attribute Latent Space for Visual Analysis of Watches
ReFreeKV:迈向无阈值的KV缓存压缩
提出无阈值KV缓存压缩方法ReFreeKV,自适应分配预算,保持全缓存性能,在多种数据集上验证有效。
超越预测的推理:从数据驱动到因果软件工程
呼吁从数据驱动转向因果推理,实现人机协作以增强工程师的智能支持。
OperatorSHAP:针对神经算子的快速准确Shapley值估计
OperatorSHAP是网格无关的归因方法,能快速准确估计神经算子的Shapley值,跨分辨率一致且无需重训练。
语言模型中的事实持续记忆
提出持续记忆任务,发现多阶段微调中模型易遗忘,通过混合随机词或通用数据(REMIX)缓解,且记忆存储在前层并分散。
SHARD:基于单元密钥的残差分割,用于抗对齐的私有密集检索
Shard通过分裂嵌入为公共前缀和带密钥残差,用CKKS重排序,以少量加密查询大幅增加对齐攻击难度。
不确定性对逐层推理动态的影响
研究表明不确定性不影响大模型逐层推理动态,概率轨迹对齐,挑战简单检测方法。