(换肤)
语言：
网站标签该站未曾设置keywords
网站描述PaperReading
下一篇：2025年北京理工大学留学预科_北京理工大学2+2留学项目_北理工3+2留学项目_北理工留学预科_北理工国际本科_北京理工大学本硕连读留学项目官方招生报名网！
seo综合信息
SEO信息 百度来访IP：22~35 | 移动端来访IP：14~23 | 出站链接：0 | 站内链接：43 IP网速： IP地址：- 地址：- | 网速：797毫秒 ALEXA排名 世界排名：- | 预估IP：- | 预估PV：- 备案信息 - | 名称：- | 已创建：未知
收录 百度 360 搜狗 谷歌 查询 0 0 0 0
电脑关键词 手机关键词 页面友好 首页位置 索引 近期收录 13 15 电脑端优秀 - 0 0
服务器信息 协议类型 HTTP/1.1 200 OK 页面类型 text/html; charset=utf-8 服务器类型 nginx/1.10.3 (Ubuntu) 程序支持 连接标识 消息发送 2025年5月11日 1时32分24秒 GZIP检测 已启用GZIP压缩 源文件大小 115.03KB 压缩后大小 38.95KB 压缩率 66.14%
网站快照P a p e r R e a d i n g P a p e r R e a d i n g A I L e a r n e r H o m e T r a n s f o r m e r D i f f u s i o n C h a t E m b o d i e d A g e n t C a p t i o n C o l l e c t i o n s A b o u t W e l c o m e t o A M D S 1 2 3 B l o g ! R e c e n t P a p e r s a b o u t C V , C L a n d S D T h e L a t e s t P a p e r s a b o u t A I C O P Y C O P Y 1 C a p t a i n C i n e m a : T o w a r d s S h o r t M o v i e G e n e r a t i o n 2 0 2 5 0 7 2 4 1 7 : 5 9 : 5 6 J u n f e i X i a o , C e y u a n Y a n g , L v m i n Z h a n g , S h e n g q u C a i , Y a n g Z h a o , Y u w e i G u o , G o r d o n W e t z s t e i n , M a n e e s h A g r a w a l a , A l a n Y u i l l e , L u J i a n g • a r X i v _ C V • • a r X i v _ C V T r a n s f o r m e r D i f f u s i o n A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t W e p r e s e n t C a p t a i n C i n e m a , a g e n e r a t i o n f r a m e w o r k f o r s h o r t m o v i e g e n e r a t i o n . G i v e n a d e t a i l e d t e x t u a l d e s c r i p t i o n o f a m o v i e s t o r y l i n e , o u r a p p r o a c h f i r s t l y g e n e r a t e s a s e q u e n c e o f k e y f r a m e s t h a t o u t l i n e t h e e n t i r e n a r r a t i v e , w h i c h e n s u r e s l o n g r a n g e c o h e r e n c e i n b o t h t h e s t o r y l i n e a n d v i s u a l a p p e a r a n c e ( e . g . , s c e n e s a n d c h a r a c t e r s ) . W e r e f e r t o t h i s s t e p a s t o p d o w n k e y f r a m e p l a n n i n g . T h e s e k e y f r a m e s t h e n s e r v e a s c o n d i t i o n i n g s i g n a l s f o r a v i d e o s y n t h e s i s m o d e l , w h i c h s u p p o r t s l o n g c o n t e x t l e a r n i n g , t o p r o d u c e t h e s p a t i o t e m p o r a l d y n a m i c s b e t w e e n t h e m . T h i s s t e p i s r e f e r r e d t o a s b o t t o m u p v i d e o s y n t h e s i s . T o s u p p o r t s t a b l e a n d e f f i c i e n t g e n e r a t i o n o f m u l t i s c e n e l o n g n a r r a t i v e c i n e m a t i c w o r k s , w e i n t r o d u c e a n i n t e r l e a v e d t r a i n i n g s t r a t e g y f o r M u l t i m o d a l D i f f u s i o n T r a n s f o r m e r s ( M M D i T ) , s p e c i f i c a l l y a d a p t e d f o r l o n g c o n t e x t v i d e o d a t a . O u r m o d e l i s t r a i n e d o n a s p e c i a l l y c u r a t e d c i n e m a t i c d a t a s e t c o n s i s t i n g o f i n t e r l e a v e d d a t a p a i r s . O u r e x p e r i m e n t s d e m o n s t r a t e t h a t C a p t a i n C i n e m a p e r f o r m s f a v o r a b l y i n t h e a u t o m a t e d c r e a t i o n o f v i s u a l l y c o h e r e n t a n d n a r r a t i v e c o n s i s t e n t s h o r t m o v i e s i n h i g h q u a l i t y a n d e f f i c i e n c y . P r o j e c t p a g e : t h i s h t t p s U R L A b s t r a c t ( t r a n s l a t e d ) 我 们 介 绍 了 C a p t a i n C i n e m a ， 这 是 一 种 用 于 生 成 短 片 电 影 的 生 成 框 架 。 给 定 详 细 的 电 影 剧 情 文 本 描 述 后 ， 我 们 的 方 法 首 先 会 生 成 一 系 列 关 键 帧 以 概 述 整 个 叙 事 结 构 ， 确 保 在 故 事 线 和 视 觉 呈 现 （ 如 场 景 和 角 色 ） 上 具 有 长 范 围 的 一 致 性 。 我 们 将 这 一 步 称 为 自 顶 向 下 关 键 帧 规 划 。 这 些 关 键 帧 随 后 作 为 条 件 信 号 ， 用 于 支 持 长 期 上 下 文 学 习 的 视 频 合 成 模 型 中 ， 以 此 来 产 生 它 们 之 间 的 空 间 时 间 和 动 态 变 化 关 系 。 这 一 步 被 称 为 自 底 向 上 视 频 合 成 功 能 。 为 了 支 持 多 场 景 长 叙 事 电 影 作 品 的 稳 定 高 效 生 成 ， 我 们 为 适 用 于 长 时 间 背 景 数 据 的 多 模 态 扩 散 变 换 器 （ M M D i T ） 引 入 了 一 种 交 错 训 练 策 略 。 我 们 的 模 型 是 在 一 个 专 门 策 划 的 、 由 交 错 数 据 对 组 成 的 电 影 数 据 集 上 进 行 训 练 的 。 实 验 表 明 ， 在 高 质 量 和 高 效 率 的 前 提 下 ， C a p t a i n C i n e m a 在 自 动 生 成 视 觉 连 贯 且 叙 事 一 致 的 短 片 电 影 方 面 表 现 出 色 。 项 目 页 面 ： [ 此 链 接 ] ( t h i s h t t p s U R L ) U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 6 3 4 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 6 3 4 . p d f R e a d A l l I d e n t i f y i n g P r o m p t e d A r t i s t N a m e s f r o m G e n e r a t e d I m a g e s 2 0 2 5 0 7 2 4 1 7 : 5 9 : 4 4 G r a c e S u , S h e n g Y u W a n g , A a r o n H e r t z m a n n , E l i S h e c h t m a n , J u n Y a n Z h u , R i c h a r d Z h a n g • a r X i v _ C V • • a r X i v _ C V R e c o g n i t i o n F e w S h o t A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t A c o m m o n a n d c o n t r o v e r s i a l u s e o f t e x t t o i m a g e m o d e l s i s t o g e n e r a t e p i c t u r e s b y e x p l i c i t l y n a m i n g a r t i s t s , s u c h a s i n t h e s t y l e o f G r e g R u t k o w s k i . W e i n t r o d u c e a b e n c h m a r k f o r p r o m p t e d a r t i s t r e c o g n i t i o n : p r e d i c t i n g w h i c h a r t i s t n a m e s w e r e i n v o k e d i n t h e p r o m p t f r o m t h e i m a g e a l o n e . T h e d a t a s e t c o n t a i n s 1 . 9 5 M i m a g e s c o v e r i n g 1 1 0 a r t i s t s a n d s p a n s f o u r g e n e r a l i z a t i o n s e t t i n g s : h e l d o u t a r t i s t s , i n c r e a s i n g p r o m p t c o m p l e x i t y , m u l t i p l e a r t i s t p r o m p t s , a n d d i f f e r e n t t e x t t o i m a g e m o d e l s . W e e v a l u a t e f e a t u r e s i m i l a r i t y b a s e l i n e s , c o n t r a s t i v e s t y l e d e s c r i p t o r s , d a t a a t t r i b u t i o n m e t h o d s , s u p e r v i s e d c l a s s i f i e r s , a n d f e w s h o t p r o t o t y p i c a l n e t w o r k s . G e n e r a l i z a t i o n p a t t e r n s v a r y : s u p e r v i s e d a n d f e w s h o t m o d e l s e x c e l o n s e e n a r t i s t s a n d c o m p l e x p r o m p t s , w h e r e a s s t y l e d e s c r i p t o r s t r a n s f e r b e t t e r w h e n t h e a r t i s t s s t y l e i s p r o n o u n c e d ; m u l t i a r t i s t p r o m p t s r e m a i n t h e m o s t c h a l l e n g i n g . O u r b e n c h m a r k r e v e a l s s u b s t a n t i a l h e a d r o o m a n d p r o v i d e s a p u b l i c t e s t b e d t o a d v a n c e t h e r e s p o n s i b l e m o d e r a t i o n o f t e x t t o i m a g e m o d e l s . W e r e l e a s e t h e d a t a s e t a n d b e n c h m a r k t o f o s t e r f u r t h e r r e s e a r c h : t h i s h t t p s U R L A b s t r a c t ( t r a n s l a t e d ) 文 本 到 图 像 模 型 的 一 个 常 见 且 具 有 争 议 性 的 用 途 是 通 过 明 确 命 名 艺 术 家 来 生 成 图 片 ， 例 如 “ G r e g R u t k o w s k i 的 风 格 ” 。 我 们 引 入 了 一 个 基 于 提 示 的 艺 术 家 识 别 基 准 测 试 ： 仅 从 图 片 中 预 测 在 提 示 中 提 到 的 是 哪 些 艺 术 家 的 名 字 。 该 数 据 集 包 含 1 9 5 万 张 涵 盖 1 1 0 位 艺 术 家 的 图 像 ， 并 且 跨 越 四 种 泛 化 设 置 ： 保 留 的 艺 术 家 、 增 加 提 示 复 杂 度 、 多 艺 术 家 提 示 以 及 不 同 的 文 本 到 图 像 模 型 。 我 们 评 估 了 特 征 相 似 性 基 线 、 对 比 风 格 描 述 符 、 数 据 归 属 方 法 、 监 督 分 类 器 和 少 量 样 本 原 型 网 络 。 泛 化 的 模 式 各 不 相 同 ： 对 于 已 见 过 的 艺 术 家 和 复 杂 的 提 示 ， 监 督 式 和 少 量 样 本 模 型 表 现 优 秀 ； 而 当 艺 术 家 的 风 格 显 著 时 ， 风 格 描 述 符 有 更 好 的 迁 移 能 力 ； 多 艺 术 家 提 示 仍 然 是 最 具 挑 战 性 的 任 务 。 我 们 的 基 准 测 试 揭 示 了 大 量 改 进 空 间 ， 并 提 供 了 一 个 公 开 平 台 来 促 进 文 本 到 图 像 模 型 的 责 任 监 管 。 我 们 发 布 了 数 据 集 和 基 准 测 试 以 促 进 进 一 步 的 研 究 ： [ 此 链 接 ] ( t h i s h t t p s U R L ) U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 6 3 3 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 6 3 3 . p d f R e a d A l l S I D A : S y n t h e t i c I m a g e D r i v e n Z e r o s h o t D o m a i n A d a p t a t i o n 2 0 2 5 0 7 2 4 1 7 : 5 9 : 3 6 Y e C h a n K i m , S e u n g J u C h a , S i W o o K i m , T a e w h a n K i m , D o n g J i n K i m • a r X i v _ A I • • a r X i v _ A I S t y l e _ T r a n s f e r E m b e d d i n g P o s e Z e r o S h o t A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t Z e r o s h o t d o m a i n a d a p t a t i o n i s a m e t h o d f o r a d a p t i n g a m o d e l t o a t a r g e t d o m a i n w i t h o u t u t i l i z i n g t a r g e t d o m a i n i m a g e d a t a . T o e n a b l e a d a p t a t i o n w i t h o u t t a r g e t i m a g e s , e x i s t i n g s t u d i e s u t i l i z e C L I P s e m b e d d i n g s p a c e a n d t e x t d e s c r i p t i o n t o s i m u l a t e t a r g e t l i k e s t y l e f e a t u r e s . D e s p i t e t h e p r e v i o u s a c h i e v e m e n t s i n z e r o s h o t d o m a i n a d a p t a t i o n , w e o b s e r v e t h a t t h e s e t e x t d r i v e n m e t h o d s s t r u g g l e t o c a p t u r e c o m p l e x r e a l w o r l d v a r i a t i o n s a n d s i g n i f i c a n t l y i n c r e a s e a d a p t a t i o n t i m e d u e t o t h e i r a l i g n m e n t p r o c e s s . I n s t e a d o f r e l y i n g o n t e x t d e s c r i p t i o n s , w e e x p l o r e s o l u t i o n s l e v e r a g i n g i m a g e d a t a , w h i c h p r o v i d e s d i v e r s e a n d m o r e f i n e g r a i n e d s t y l e c u e s . I n t h i s w o r k , w e p r o p o s e S I D A , a n o v e l a n d e f f i c i e n t z e r o s h o t d o m a i n a d a p t a t i o n m e t h o d l e v e r a g i n g s y n t h e t i c i m a g e s . T o g e n e r a t e s y n t h e t i c i m a g e s , w e f i r s t c r e a t e d e t a i l e d , s o u r c e l i k e i m a g e s a n d a p p l y i m a g e t r a n s l a t i o n t o r e f l e c t t h e s t y l e o f t h e t a r g e t d o m a i n . W e t h e n u t i l i z e t h e s t y l e f e a t u r e s o f t h e s e s y n t h e t i c i m a g e s a s a p r o x y f o r t h e t a r g e t d o m a i n . B a s e d o n t h e s e f e a t u r e s , w e i n t r o d u c e D o m a i n M i x a n d P a t c h S t y l e T r a n s f e r m o d u l e s , w h i c h e n a b l e e f f e c t i v e m o d e l i n g o f r e a l w o r l d v a r i a t i o n s . I n p a r t i c u l a r , D o m a i n M i x b l e n d s m u l t i p l e s t y l e s t o e x p a n d t h e i n t r a d o m a i n r e p r e s e n t a t i o n s , a n d P a t c h S t y l e T r a n s f e r a s s i g n s d i f f e r e n t s t y l e s t o i n d i v i d u a l p a t c h e s . W e d e m o n s t r a t e t h e e f f e c t i v e n e s s o f o u r m e t h o d b y s h o w i n g s t a t e o f t h e a r t p e r f o r m a n c e i n d i v e r s e z e r o s h o t a d a p t a t i o n s c e n a r i o s , p a r t i c u l a r l y i n c h a l l e n g i n g d o m a i n s . M o r e o v e r , o u r a p p r o a c h a c h i e v e s h i g h e f f i c i e n c y b y s i g n i f i c a n t l y r e d u c i n g t h e o v e r a l l a d a p t a t i o n t i m e . A b s t r a c t ( t r a n s l a t e d ) 零 样 本 领 域 适 应 是 一 种 方 法 ， 它 可 以 在 没 有 目 标 领 域 图 像 数 据 的 情 况 下 将 模 型 迁 移 到 新 的 领 域 。 为 了 实 现 这 种 无 目 标 图 像 的 适 应 性 迁 移 ， 现 有 研 究 通 常 利 用 C L I P （ C o n t r a s t i v e L a n g u a g e – I m a g e P r e t r a i n i n g ） 的 嵌 入 空 间 和 文 本 描 述 来 模 拟 类 似 目 标 领 域 的 风 格 特 征 。 尽 管 在 零 样 本 领 域 适 应 方 面 已 经 取 得 了 显 著 成 就 ， 但 这 些 基 于 文 本 的 方 法 在 捕 捉 复 杂 的 现 实 世 界 变 化 时 显 得 力 不 从 心 ， 并 且 由 于 其 对 齐 过 程 会 大 大 增 加 适 应 时 间 。 为 了 解 决 这 些 问 题 ， 我 们 不 再 依 赖 于 文 本 描 述 ， 而 是 探 索 利 用 图 像 数 据 的 解 决 方 案 。 这 种 方 法 能 提 供 多 样 而 更 为 精 细 的 风 格 线 索 。 为 此 ， 我 们 在 本 研 究 中 提 出 了 一 种 新 的 、 高 效 的 零 样 本 领 域 适 应 方 法 — — S I D A （ S y n t h e t i c I m a g e b a s e d D o m a i n A d a p t a t i o n ） ， 该 方 法 基 于 合 成 图 像 。 为 了 生 成 这 些 合 成 图 像 ， 我 们 首 先 创 建 详 细 且 类 似 于 源 领 域 的 图 像 ， 然 后 通 过 图 像 翻 译 来 反 映 目 标 领 域 的 风 格 特 征 。 接 着 利 用 这 些 合 成 图 像 的 风 格 特 性 作 为 目 标 域 的 一 个 代 理 。 在 此 基 础 上 ， 我 们 引 入 了 D o m a i n M i x 和 P a t c h S t y l e T r a n s f e r 两 个 模 块 ， 它 们 能 够 有 效 建 模 现 实 世 界 中 的 变 化 。 特 别 是 ， D o m a i n M i x 模 块 通 过 融 合 多 种 样 式 来 扩 展 领 域 内 的 表 示 形 式 ， 而 P a t c h S t y l e T r a n s f e r 则 可 以 为 每 个 单 独 的 图 像 块 分 配 不 同 的 风 格 。 我 们 通 过 在 各 种 零 样 本 适 应 场 景 中 展 示 卓 越 性 能 证 明 了 该 方 法 的 有 效 性 ， 尤 其 是 在 挑 战 性 的 领 域 表 现 尤 为 突 出 。 此 外 ， 我 们 的 方 法 还 显 著 减 少 了 整 体 适 应 时 间 ， 从 而 实 现 了 高 效 率 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 6 3 2 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 6 3 2 . p d f R e a d A l l 3 D S o f t w a r e S y n t h e s i s G u i d e d b y C o n s t r a i n t E x p r e s s i v e I n t e r m e d i a t e R e p r e s e n t a t i o n 2 0 2 5 0 7 2 4 1 7 : 5 8 : 0 3 S h u q i n g L i , A n s o n Y . L a m , Y u n P e n g , W e n x u a n W a n g , M i c h a e l R . L y u • a r X i v _ A I • • a r X i v _ A I F a c e A c t i o n 3 D A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t G r a p h i c a l u s e r i n t e r f a c e ( U I ) s o f t w a r e h a s u n d e r g o n e a f u n d a m e n t a l t r a n s f o r m a t i o n f r o m t r a d i t i o n a l t w o d i m e n s i o n a l ( 2 D ) d e s k t o p / w e b / m o b i l e i n t e r f a c e s t o s p a t i a l t h r e e d i m e n s i o n a l ( 3 D ) e n v i r o n m e n t s . W h i l e e x i s t i n g w o r k h a s m a d e r e m a r k a b l e s u c c e s s i n a u t o m a t e d 2 D s o f t w a r e g e n e r a t i o n , s u c h a s H T M L / C S S a n d m o b i l e a p p i n t e r f a c e c o d e s y n t h e s i s , t h e g e n e r a t i o n o f 3 D s o f t w a r e s t i l l r e m a i n s u n d e r e x p l o r e d . C u r r e n t m e t h o d s f o r 3 D s o f t w a r e g e n e r a t i o n u s u a l l y g e n e r a t e t h e 3 D e n v i r o n m e n t s a s a w h o l e a n d c a n n o t m o d i f y o r c o n t r o l s p e c i f i c e l e m e n t s i n t h e s o f t w a r e . F u r t h e r m o r e , t h e s e m e t h o d s s t r u g g l e t o h a n d l e t h e c o m p l e x s p a t i a l a n d s e m a n t i c c o n s t r a i n t s i n h e r e n t i n t h e r e a l w o r l d . T o a d d r e s s t h e c h a l l e n g e s , w e p r e s e n t S c e n e t h e s i s , a n o v e l r e q u i r e m e n t s e n s i t i v e 3 D s o f t w a r e s y n t h e s i s a p p r o a c h t h a t m a i n t a i n s f o r m a l t r a c e a b i l i t y b e t w e e n u s e r s p e c i f i c a t i o n s a n d g e n e r a t e d 3 D s o f t w a r e . S c e n e t h e s i s i s b u i l t u p o n S c e n e t h e s i s L a n g , a d o m a i n s p e c i f i c l a n g u a g e t h a t s e r v e s a s a g r a n u l a r c o n s t r a i n t a w a r e i n t e r m e d i a t e r e p r e s e n t a t i o n ( I R ) t o b r i d g e n a t u r a l l a n g u a g e r e q u i r e m e n t s a n d e x e c u t a b l e 3 D s o f t w a r e . I t s e r v e s b o t h a s a c o m p r e h e n s i v e s c e n e d e s c r i p t i o n l a n g u a g e e n a b l i n g f i n e g r a i n e d m o d i f i c a t i o n o f 3 D s o f t w a r e e l e m e n t s a n d a s a f o r m a l c o n s t r a i n t e x p r e s s i v e s p e c i f i c a t i o n l a n g u a g e c a p a b l e o f e x p r e s s i n g c o m p l e x s p a t i a l c o n s t r a i n t s . B y d e c o m p o s i n g 3 D s o f t w a r e s y n t h e s i s i n t o s t a g e s o p e r a t i n g o n S c e n e t h e s i s L a n g , S c e n e t h e s i s e n a b l e s i n d e p e n d e n t v e r i f i c a t i o n , t a r g e t e d m o d i f i c a t i o n , a n d s y s t e m a t i c c o n s t r a i n t s a t i s f a c t i o n . O u r e v a l u a t i o n d e m o n s t r a t e s t h a t S c e n e t h e s i s a c c u r a t e l y c a p t u r e s o v e r 8 0 % o f u s e r r e q u i r e m e n t s a n d s a t i s f i e s m o r e t h a n 9 0 % o f h a r d c o n s t r a i n t s w h i l e h a n d l i n g o v e r 1 0 0 c o n s t r a i n t s s i m u l t a n e o u s l y . F u r t h e r m o r e , S c e n e t h e s i s a c h i e v e s a 4 2 . 8 % i m p r o v e m e n t i n B L I P 2 v i s u a l e v a l u a t i o n s c o r e s c o m p a r e d t o t h e s t a t e o f t h e a r t m e t h o d . A b s t r a c t ( t r a n s l a t e d ) 图 形 用 户 界 面 （ U I ） 软 件 经 历 了 从 传 统 的 二 维 （ 2 D ） 桌 面 / 网 页 / 移 动 接 口 向 三 维 （ 3 D ） 空 间 环 境 的 根 本 转 变 。 尽 管 现 有 的 工 作 在 自 动 化 2 D 软 件 生 成 方 面 取 得 了 显 著 成 功 ， 例 如 H T M L / C S S 和 移 动 端 应 用 界 面 代 码 合 成 ， 但 3 D 软 件 的 生 成 仍 处 于 探 索 不 足 的 状 态 。 目 前 用 于 生 成 3 D 软 件 的 方 法 通 常 会 一 次 性 生 成 整 个 3 D 环 境 ， 并 且 无 法 修 改 或 控 制 其 中 的 具 体 元 素 。 此 外 ， 这 些 方 法 难 以 处 理 现 实 世 界 中 固 有 的 复 杂 空 间 与 语 义 约 束 。 为 了 解 决 上 述 挑 战 ， 我 们 提 出 了 S c e n e t h e s i s ， 这 是 一 种 新 的 需 求 敏 感 型 三 维 软 件 合 成 方 法 ， 它 在 用 户 规 格 说 明 和 生 成 的 3 D 软 件 之 间 保 持 了 正 式 的 可 追 溯 性 。 S c e n e t h e s i s 基 于 S c e n e t h e s i s L a n g 构 建 ， 后 者 是 一 种 特 定 领 域 的 语 言 （ D S L ） ， 作 为 细 粒 度 、 感 知 约 束 的 中 间 表 示 （ I R ） 来 连 接 自 然 语 言 需 求 与 可 执 行 的 3 D 软 件 。 它 既 充 当 一 个 全 面 的 场 景 描 述 语 言 ， 支 持 对 3 D 软 件 元 素 进 行 精 细 调 整 ， 又 是 一 个 能 够 表 达 复 杂 空 间 约 束 的 形 式 化 规 范 表 达 语 言 。 通 过 将 三 维 软 件 合 成 过 程 分 解 为 在 S c e n e t h e s i s L a n g 上 操 作 的 不 同 阶 段 ， S c e n e t h e s i s 实 现 了 独 立 验 证 、 定 向 修 改 和 系 统 性 满 足 约 束 的 要 求 。 我 们 的 评 估 表 明 ， S c e n e t h e s i s 可 以 准 确 捕 获 超 过 8 0 % 的 用 户 需 求 ， 并 且 能 解 决 9 0 % 以 上 的 硬 性 约 束 ， 同 时 还 能 处 理 超 过 1 0 0 个 并 发 约 束 条 件 。 此 外 ， 在 B L I P 2 视 觉 评 价 得 分 方 面 ， S c e n e t h e s i s 比 当 前 最 先 进 的 方 法 提 高 了 4 2 . 8 % 。 这 段 文 本 总 结 了 关 于 一 种 新 的 三 维 软 件 生 成 技 术 的 研 究 进 展 ， 强 调 其 在 满 足 用 户 需 求 和 处 理 复 杂 空 间 语 义 方 面 的 优 越 性 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 6 2 5 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 6 2 5 . p d f R e a d A l l C h e c k l i s t s A r e B e t t e r T h a n R e w a r d M o d e l s F o r A l i g n i n g L a n g u a g e M o d e l s 2 0 2 5 0 7 2 4 1 7 : 5 8 : 0 0 V i j a y V i s w a n a t h a n , Y a n c h a o S u n , S h u a n g M a , X i a n g K o n g , M e n g C a o , G r a h a m N e u b i g , T o n g s h u a n g W u • a r X i v _ C L • • a r X i v _ C L R e i n f o r c e m e n t _ L e a r n i n g L a n g u a g e _ M o d e l P o s e A c t i o n A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t L a n g u a g e m o d e l s m u s t b e a d a p t e d t o u n d e r s t a n d a n d f o l l o w u s e r i n s t r u c t i o n s . R e i n f o r c e m e n t l e a r n i n g i s w i d e l y u s e d t o f a c i l i t a t e t h i s t y p i c a l l y u s i n g f i x e d c r i t e r i a s u c h a s h e l p f u l n e s s a n d h a r m f u l n e s s . I n o u r w o r k , w e i n s t e a d p r o p o s e u s i n g f l e x i b l e , i n s t r u c t i o n s p e c i f i c c r i t e r i a a s a m e a n s o f b r o a d e n i n g t h e i m p a c t t h a t r e i n f o r c e m e n t l e a r n i n g c a n h a v e i n e l i c i t i n g i n s t r u c t i o n f o l l o w i n g . W e p r o p o s e R e i n f o r c e m e n t L e a r n i n g f r o m C h e c k l i s t F e e d b a c k ( R L C F ) . F r o m i n s t r u c t i o n s , w e e x t r a c t c h e c k l i s t s a n d e v a l u a t e h o w w e l l r e s p o n s e s s a t i s f y e a c h i t e m u s i n g b o t h A I j u d g e s a n d s p e c i a l i z e d v e r i f i e r p r o g r a m s t h e n c o m b i n e t h e s e s c o r e s t o c o m p u t e r e w a r d s f o r R L . W e c o m p a r e R L C F w i t h o t h e r a l i g n m e n t m e t h o d s a p p l i e d t o a s t r o n g i n s t r u c t i o n f o l l o w i n g m o d e l ( Q w e n 2 . 5 7 B I n s t r u c t ) o n f i v e w i d e l y s t u d i e d b e n c h m a r k s R L C F i s t h e o n l y m e t h o d t o i m p r o v e p e r f o r m a n c e o n e v e r y b e n c h m a r k , i n c l u d i n g a 4 p o i n t b o o s t i n h a r d s a t i s f a c t i o n r a t e o n F o l l o w B e n c h , a 6 p o i n t i n c r e a s e o n I n F o B e n c h , a n d a 3 p o i n t r i s e i n w i n r a t e o n A r e n a H a r d . T h e s e r e s u l t s e s t a b l i s h c h e c k l i s t f e e d b a c k a s a k e y t o o l f o r i m p r o v i n g l a n g u a g e m o d e l s s u p p o r t o f q u e r i e s t h a t e x p r e s s a m u l t i t u d e o f n e e d s . A b s t r a c t ( t r a n s l a t e d ) 语 言 模 型 必 须 适 应 以 理 解 和 遵 循 用 户 指 令 。 强 化 学 习 广 泛 用 于 实 现 这 一 目 标 — — 通 常 使 用 诸 如 “ 有 用 性 ” 和 “ 危 害 性 ” 的 固 定 标 准 。 然 而 ， 在 我 们 的 工 作 中 ， 我 们 提 出 采 用 灵 活 、 特 定 于 指 令 的 标 准 作 为 一 种 方 法 ， 可 以 扩 大 强 化 学 习 在 促 进 指 令 跟 随 方 面 的 影 响 力 。 “ 从 检 查 表 反 馈 的 强 化 学 习 ” （ R L C F ） 正 是 这 种 方 法 的 一 个 实 例 。 通 过 从 指 令 中 提 取 检 查 列 表 ， 并 评 估 响 应 满 足 每 一 项 的 程 度 — — 使 用 人 工 智 能 裁 判 和 专 门 验 证 程 序 — — 然 后 将 这 些 分 数 结 合 起 来 计 算 用 于 强 化 学 习 的 奖 励 。 我 们 将 R L C F 与 应 用 于 强 大 指 令 遵 循 模 型 ( Q w e n 2 . 5 7 B I n s t r u c t ) 上 的 其 他 对 齐 方 法 进 行 了 比 较 ， 在 五 个 广 泛 研 究 的 基 准 上 。 R L C F 是 唯 一 在 每 个 基 准 上 提 高 性 能 的 方 法 ， 包 括 在 F o l l o w B e n c h 上 增 加 了 4 个 百 分 点 的 硬 满 意 度 、 I n F o B e n c h 上 提 高 了 6 个 百 分 点 以 及 A r e n a H a r d 上 赢 率 提 升 了 3 个 百 分 点 。 这 些 结 果 确 立 了 检 查 表 反 馈 作 为 改 进 语 言 模 型 支 持 表 达 多 种 需 求 查 询 的 关 键 工 具 的 地 位 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 6 2 4 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 6 2 4 . p d f R e a d A l l M o v i n g O u t : P h y s i c a l l y g r o u n d e d H u m a n A I C o l l a b o r a t i o n 2 0 2 5 0 7 2 4 1 7 : 5 7 : 1 8 X u h u i K a n g , S u n g W o o k L e e , H a o l i n L i u , Y u y a n W a n g , Y e n L i n g K u o • a r X i v _ A I • • a r X i v _ A I P o s e A c t i o n E m b o d i e d A g e n t R o b o t A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t T h e a b i l i t y t o a d a p t t o p h y s i c a l a c t i o n s a n d c o n s t r a i n t s i n a n e n v i r o n m e n t i s c r u c i a l f o r e m b o d i e d a g e n t s ( e . g . , r o b o t s ) t o e f f e c t i v e l y c o l l a b o r a t e w i t h h u m a n s . S u c h p h y s i c a l l y g r o u n d e d h u m a n A I c o l l a b o r a t i o n m u s t a c c o u n t f o r t h e i n c r e a s e d c o m p l e x i t y o f t h e c o n t i n u o u s s t a t e a c t i o n s p a c e a n d c o n s t r a i n e d d y n a m i c s c a u s e d b y p h y s i c a l c o n s t r a i n t s . I n t h i s p a p e r , w e i n t r o d u c e \ \ t e x t i t , a n e w h u m a n A I c o l l a b o r a t i o n b e n c h m a r k t h a t r e s e m b l e s a w i d e r a n g e o f c o l l a b o r a t i o n m o d e s a f f e c t e d b y p h y s i c a l a t t r i b u t e s a n d c o n s t r a i n t s , s u c h a s m o v i n g h e a v y i t e m s t o g e t h e r a n d m a i n t a i n i n g c o n s i s t e n t a c t i o n s t o m o v e a b i g i t e m a r o u n d a c o r n e r . U s i n g M o v i n g O u t , w e d e s i g n e d t w o t a s k s a n d c o l l e c t e d h u m a n h u m a n i n t e r a c t i o n d a t a t o e v a l u a t e m o d e l s a b i l i t i e s t o a d a p t t o d i v e r s e h u m a n b e h a v i o r s a n d u n s e e n p h y s i c a l a t t r i b u t e s . T o a d d r e s s t h e c h a l l e n g e s i n p h y s i c a l e n v i r o n m e n t s , w e p r o p o s e a n o v e l m e t h o d , B A S S ( B e h a v i o r A u g m e n t a t i o n , S i m u l a t i o n , a n d S e l e c t i o n ) , t o e n h a n c e t h e d i v e r s i t y o f a g e n t s a n d t h e i r u n d e r s t a n d i n g o f t h e o u t c o m e o f a c t i o n s . O u r e x p e r i m e n t s s h o w t h a t B A S S o u t p e r f o r m s s t a t e o f t h e a r t m o d e l s i n A I A I a n d h u m a n A I c o l l a b o r a t i o n . T h e p r o j e c t p a g e i s a v a i l a b l e a t \ \ h r e f . A b s t r a c t ( t r a n s l a t e d ) 适 应 物 理 环 境 中 的 行 动 和 约 束 对 于 具 身 代 理 （ 例 如 机 器 人 ） 与 人 类 有 效 协 作 至 关 重 要 。 这 种 基 于 物 理 的 人 机 协 作 必 须 考 虑 到 由 物 理 限 制 引 起 的 连 续 状 态 动 作 空 间 复 杂 性 和 受 限 动 力 学 所 带 来 的 增 加 的 复 杂 性 。 在 本 文 中 ， 我 们 引 入 了 一 个 新 的 基 准 测 试 框 架 — — “ M o v i n g O u t ” ， 它 模 拟 了 受 物 理 属 性 和 约 束 影 响 的 各 种 合 作 模 式 ， 例 如 一 起 搬 运 重 物 以 及 为 了 绕 过 拐 角 移 动 大 型 物 品 而 保 持 一 致 的 动 作 等 。 通 过 使 用 “ M o v i n g O u t ” ， 我 们 设 计 了 两 个 任 务 ， 并 收 集 了 人 与 人 间 的 互 动 数 据 以 评 估 模 型 适 应 多 样 人 类 行 为 及 未 知 物 理 属 性 的 能 力 。 为 了 解 决 实 际 环 境 中 的 挑 战 ， 我 们 提 出 了 一 种 新 颖 的 方 法 — — B A S S （ 行 为 增 强 、 仿 真 和 选 择 ） ， 旨 在 提 高 代 理 人 的 多 样 性 及 其 对 行 动 结 果 的 理 解 。 我 们 的 实 验 表 明 ， 无 论 是 在 A I A I 协 作 还 是 人 机 协 作 中 ， B A S S 都 优 于 现 有 的 最 佳 模 型 。 该 项 目 页 面 可 在 [ 此 链 接 ] ( t h i s h t t p s U R L _ a i / ) 访 问 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 6 2 3 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 6 2 3 . p d f R e a d A l l T R P r o m p t : B o o t s t r a p p i n g Q u e r y A w a r e P r o m p t O p t i m i z a t i o n f r o m T e x t u a l R e w a r d s 2 0 2 5 0 7 2 4 1 7 : 5 4 : 4 4 A n d r e e a N i c a , I v a n Z a k a z o v , N i c o l a s M a r i o B a l d w i n , S a i b o G e n g , R o b e r t W e s t • a r X i v _ C L • • a r X i v _ C L O p t i m i z a t i o n L a n g u a g e _ M o d e l P o s e L L M A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t P r o m p t o p t i m i z a t i o n i m p r o v e s t h e r e a s o n i n g a b i l i t i e s o f l a r g e l a n g u a g e m o d e l s ( L L M s ) w i t h o u t r e q u i r i n g p a r a m e t e r u p d a t e s t o t h e t a r g e t m o d e l . F o l l o w i n g h e u r i s t i c b a s e d T h i n k s t e p b y s t e p a p p r o a c h e s , t h e f i e l d h a s e v o l v e d i n t w o m a i n d i r e c t i o n s : w h i l e o n e g r o u p o f m e t h o d s u s e s t e x t u a l f e e d b a c k t o e l i c i t i m p r o v e d p r o m p t s f r o m g e n e r a l p u r p o s e L L M s i n a t r a i n i n g f r e e w a y , a c o n c u r r e n t l i n e o f r e s e a r c h r e l i e s o n n u m e r i c a l r e w a r d s t o t r a i n a s p e c i a l p r o m p t m o d e l , t a i l o r e d f o r p r o v i d i n g o p t i m a l p r o m p t s t o t h e t a r g e t m o d e l . I n t h i s p a p e r , w e i n t r o d u c e t h e T e x t u a l R e w a r d P r o m p t f r a m e w o r k ( T R P r o m p t ) , w h i c h u n i f i e s t h e s e a p p r o a c h e s b y d i r e c t l y i n c o r p o r a t i n g t e x t u a l f e e d b a c k i n t o t r a i n i n g o f t h e p r o m p t m o d e l . O u r f r a m e w o r k d o e s n o t r e q u i r e p r i o r d a t a s e t c o l l e c t i o n a n d i s b e i n g i t e r a t i v e l y i m p r o v e d w i t h t h e f e e d b a c k o n t h e g e n e r a t e d p r o m p t s . W h e n c o u p l e d w i t h t h e c a p a c i t y o f a n L L M t o i n t e r n a l i z e t h e n o t i o n o f w h a t a g o o d p r o m p t i s , t h e h i g h r e s o l u t i o n s i g n a l p r o v i d e d b y t h e t e x t u a l r e w a r d s a l l o w s u s t o t r a i n a p r o m p t m o d e l y i e l d i n g s t a t e o f t h e a r t q u e r y s p e c i f i c p r o m p t s f o r t h e p r o b l e m s f r o m t h e c h a l l e n g i n g m a t h d a t a s e t s G S M H a r d a n d M A T H . A b s t r a c t ( t r a n s l a t e d ) 提 示 优 化 可 以 提 升 大 型 语 言 模 型 （ L L M ） 的 推 理 能 力 ， 而 无 需 对 目 标 模 型 进 行 参 数 更 新 。 基 于 启 发 式 的 “ 逐 步 思 考 ” 方 法 ， 该 领 域 主 要 朝 着 两 个 方 向 发 展 ： 一 方 面 ， 一 组 方 法 利 用 文 本 反 馈 以 无 训 练 的 方 式 从 通 用 型 L L M 中 提 取 改 进 后 的 提 示 ； 另 一 方 面 ， 另 一 条 研 究 路 线 则 依 赖 于 数 值 奖 励 来 训 练 一 个 专 用 的 提 示 模 型 ， 以 便 为 目 标 模 型 提 供 最 优 提 示 。 本 文 介 绍 了 一 种 新 的 框 架 — — 文 本 奖 励 提 示 框 架 （ T R P r o m p t ） ， 该 框 架 通 过 直 接 将 文 本 反 馈 纳 入 提 示 模 型 的 训 练 过 程 中 ， 统 一 了 这 两 种 方 法 。 我 们 的 框 架 不 需 要 预 先 收 集 数 据 集 ， 并 且 可 以 通 过 对 生 成 提 示 的 反 馈 迭 代 改 进 。 结 合 L L M 能 够 内 化 “ 优 质 ” 提 示 的 概 念 的 能 力 ， 这 种 高 分 辨 率 的 信 号 使 我 们 能 够 训 练 出 一 个 提 示 模 型 ， 从 而 为 来 自 挑 战 性 的 数 学 数 据 集 G S M H a r d 和 M A T H 的 问 题 提 供 当 前 最 佳 的 具 体 查 询 提 示 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 6 1 8 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 6 1 8 . p d f R e a d A l l S y n C : S y n t h e t i c I m a g e C a p t i o n D a t a s e t R e f i n e m e n t w i t h O n e t o m a n y M a p p i n g f o r Z e r o s h o t I m a g e C a p t i o n i n g 2 0 2 5 0 7 2 4 1 7 : 5 3 : 2 6 S i W o o K i m , M i n J u J e o n , Y e C h a n K i m , S o e u n L e e , T a e w h a n K i m , D o n g J i n K i m • a r X i v _ A I • • a r X i v _ A I I m a g e _ C a p t i o n C a p t i o n Z e r o S h o t A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t Z e r o s h o t I m a g e C a p t i o n i n g ( Z I C ) i n c r e a s i n g l y u t i l i z e s s y n t h e t i c d a t a s e t s g e n e r a t e d b y t e x t t o i m a g e ( T 2 I ) m o d e l s t o m i t i g a t e t h e n e e d f o r c o s t l y m a n u a l a n n o t a t i o n . H o w e v e r , t h e s e T 2 I m o d e l s o f t e n p r o d u c e i m a g e s t h a t e x h i b i t s e m a n t i c m i s a l i g n m e n t s w i t h t h e i r c o r r e s p o n d i n g i n p u t c a p t i o n s ( e . g . , m i s s i n g o b j e c t s , i n c o r r e c t a t t r i b u t e s ) , r e s u l t i n g i n n o i s y s y n t h e t i c i m a g e c a p t i o n p a i r s t h a t c a n h i n d e r m o d e l t r a i n i n g . E x i s t i n g d a t a s e t p r u n i n g t e c h n i q u e s a r e l a r g e l y d e s i g n e d f o r r e m o v i n g n o i s y t e x t i n w e b c r a w l e d d a t a . H o w e v e r , t h e s e m e t h o d s a r e i l l s u i t e d f o r t h e d i s t i n c t c h a l l e n g e s o f s y n t h e t i c d a t a , w h e r e c a p t i o n s a r e t y p i c a l l y w e l l f o r m e d , b u t i m a g e s m a y b e i n a c c u r a t e r e p r e s e n t a t i o n s . T o a d d r e s s t h i s g a p , w e i n t r o d u c e S y n C , a n o v e l f r a m e w o r k s p e c i f i c a l l y d e s i g n e d t o r e f i n e s y n t h e t i c i m a g e c a p t i o n d a t a s e t s f o r Z I C . I n s t e a d o f c o n v e n t i o n a l f i l t e r i n g o r r e g e n e r a t i o n , S y n C f o c u s e s o n r e a s s i g n i n g c a p t i o n s t o t h e m o s t s e m a n t i c a l l y a l i g n e d i m a g e s a l r e a d y p r e s e n t w i t h i n t h e s y n t h e t i c i m a g e p o o l . O u r a p p r o a c h e m p l o y s a o n e t o m a n y m a p p i n g s t r a t e g y b y i n i t i a l l y r e t r i e v i n g m u l t i p l e r e l e v a n t c a n d i d a t e i m a g e s f o r e a c h c a p t i o n . W e t h e n a p p l y a c y c l e c o n s i s t e n c y i n s p i r e d a l i g n m e n t s c o r e r t h a t s e l e c t s t h e b e s t i m a g e b y v e r i f y i n g i t s a b i l i t y t o r e t r i e v e t h e o r i g i n a l c a p t i o n v i a i m a g e t o t e x t r e t r i e v a l . E x t e n s i v e e v a l u a t i o n s d e m o n s t r a t e t h a t S y n C c o n s i s t e n t l y a n d s i g n i f i c a n t l y i m p r o v e s p e r f o r m a n c e a c r o s s v a r i o u s Z I C m o d e l s o n s t a n d a r d b e n c h m a r k s ( M S C O C O , F l i c k r 3 0 k , N o C a p s ) , a c h i e v i n g s t a t e o f t h e a r t r e s u l t s i n s e v e r a l s c e n a r i o s . S y n C o f f e r s a n e f f e c t i v e s t r a t e g y f o r c u r a t i n g r e f i n e d s y n t h e t i c d a t a t o e n h a n c e Z I C . A b s t r a c t ( t r a n s l a t e d ) 零 样 本 图 像 描 述 （ Z I C ） 越 来 越 多 地 利 用 由 文 本 到 图 像 （ T 2 I ） 模 型 生 成 的 合 成 数 据 集 ， 以 减 少 昂 贵 的 手 动 标 注 需 求 。 然 而 ， 这 些 T 2 I 模 型 常 常 会 产 生 与 对 应 的 输 入 字 幕 存 在 语 义 不 一 致 的 图 片 （ 例 如 ， 缺 少 物 体 、 错 误 属 性 ） ， 导 致 产 生 噪 声 较 大 的 合 成 图 像 字 幕 对 ， 这 可 能 妨 碍 模 型 训 练 。 现 有 的 数 据 集 修 剪 技 术 主 要 针 对 从 网 络 抓 取 的 数 据 中 的 噪 声 文 本 进 行 去 除 设 计 ， 但 这 些 方 法 对 于 合 成 数 据 特 有 的 挑 战 并 不 适 用 ， 在 这 种 情 况 下 ， 虽 然 字 幕 通 常 结 构 良 好 ， 但 图 片 可 能 是 不 准 确 的 表 示 形 式 。 为 了 解 决 这 一 差 距 ， 我 们 引 入 了 S y n C ， 这 是 一 个 专 门 为 Z I C 微 调 合 成 图 像 字 幕 数 据 集 而 设 计 的 新 框 架 。 不 同 于 传 统 的 过 滤 或 再 生 策 略 ， S y n C 专 注 于 将 字 幕 重 新 分 配 给 当 前 合 成 图 像 池 中 最 语 义 一 致 的 图 像 。 我 们 的 方 法 采 用 了 一 种 一 对 多 映 射 策 略 ， 首 先 为 每 个 字 幕 检 索 多 个 相 关 候 选 图 片 。 然 后 我 们 应 用 一 种 基 于 循 环 一 致 性 启 发 式 的 对 齐 评 分 器 ， 通 过 图 像 到 文 本 检 索 验 证 其 能 否 获 取 原 始 字 幕 来 选 择 最 佳 图 像 。 广 泛 的 评 估 显 示 ， 在 M S C O C O 、 F l i c k r 3 0 k 和 N o C a p s 等 标 准 基 准 上 ， S y n C 能 够 显 著 且 一 致 地 提 高 各 种 Z I C 模 型 的 性 能 ， 并 在 多 个 场 景 中 达 到 了 最 先 进 的 结 果 。 综 上 所 述 ， S y n C 提 供 了 一 种 有 效 的 方 法 来 整 理 精 细 优 化 后 的 合 成 数 据 ， 以 提 升 零 样 本 图 像 描 述 的 能 力 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 6 1 6 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 6 1 6 . p d f R e a d A l l A p p r o x i m a t e S M T C o u n t i n g B e y o n d D i s c r e t e D o m a i n s 2 0 2 5 0 7 2 4 1 7 : 4 8 : 1 3 A r i j i t S h a w , K u l d e e p S . M e e l • a r X i v _ A I • • a r X i v _ A I A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t S a t i s f i a b i l i t y M o d u l o T h e o r y ( S M T ) s o l v e r s h a v e a d v a n c e d a u t o m a t e d r e a s o n i n g , s o l v i n g c o m p l e x f o r m u l a s a c r o s s d i s c r e t e a n d c o n t i n u o u s d o m a i n s . R e c e n t p r o g r e s s i n p r o p o s i t i o n a l m o d e l c o u n t i n g m o t i v a t e s e x t e n d i n g S M T c a p a b i l i t i e s t o w a r d m o d e l c o u n t i n g , e s p e c i a l l y f o r h y b r i d S M T f o r m u l a s . E x i s t i n g a p p r o a c h e s , l i k e b i t b l a s t i n g , a r e l i m i t e d t o d i s c r e t e v a r i a b l e s , h i g h l i g h t i n g t h e c h a l l e n g e o f c o u n t i n g s o l u t i o n s p r o j e c t e d o n t o t h e d i s c r e t e d o m a i n i n h y b r i d f o r m u l a s . W e i n t r o d u c e p a c t , a n S M T m o d e l c o u n t e r f o r h y b r i d f o r m u l a s t h a t u s e s h a s h i n g b a s e d a p p r o x i m a t e m o d e l c o u n t i n g t o e s t i m a t e s o l u t i o n s w i t h t h e o r e t i c a l g u a r a n t e e s . p a c t m a k e s a l o g a r i t h m i c n u m b e r o f S M T s o l v e r c a l l s r e l a t i v e t o t h e p r o j e c t i o n v a r i a b l e s , l e v e r a g i n g o p t i m i z e d h a s h f u n c t i o n s . p a c t a c h i e v e s s i g n i f i c a n t p e r f o r m a n c e i m p r o v e m e n t s o v e r b a s e l i n e s o n a l a r g e s u i t e o f b e n c h m a r k s . I n p a r t i c u l a r , o u t o f 1 4 , 2 0 2 i n s t a n c e s , p a c t s u c c e s s f u l l y f i n i s h e d o n 6 0 3 i n s t a n c e s , w h i l e B a s e l i n e c o u l d o n l y f i n i s h o n 1 3 i n s t a n c e s . A b s t r a c t ( t r a n s l a t e d ) S a t i s f i a b i l i t y M o d u l o T h e o r y ( S M T ) 解 算 器 已 经 提 升 了 自 动 化 推 理 的 能 力 ， 能 够 解 决 跨 离 散 和 连 续 域 的 复 杂 公 式 。 最 近 在 命 题 模 型 计 数 方 面 的 进 步 促 使 人 们 将 S M T 的 能 力 扩 展 到 模 型 计 数 中 ， 尤 其 是 在 混 合 S M T 公 式 方 面 。 现 有 的 方 法 ， 如 位 爆 破 法 （ b i t b l a s t i n g ） ， 仅 限 于 处 理 离 散 变 量 ， 这 凸 显 了 在 混 合 公 式 中 对 映 射 到 离 散 域 的 解 进 行 计 数 所 面 临 的 挑 战 。 我 们 引 入 了 一 种 名 为 p a c t 的 S M T 模 型 计 数 器 ， 它 使 用 基 于 哈 希 的 近 似 模 型 计 数 方 法 来 估 计 具 有 理 论 保 证 的 解 决 方 案 数 量 。 p a c t 相 对 于 投 影 变 量 来 说 只 需 调 用 S M T 解 算 器 对 数 次 ， 并 且 利 用 了 优 化 过 的 哈 希 函 数 。 在 一 组 广 泛 的 基 准 测 试 中 ， p a c t 的 性 能 显 著 优 于 基 线 算 法 。 具 体 而 言 ， 在 1 4 , 2 0 2 个 实 例 中 ， p a c t 成 功 完 成 了 6 0 3 个 实 例 的 处 理 ， 而 基 线 方 法 仅 成 功 完 成 1 3 个 实 例 的 处 理 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 6 1 2 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 6 1 2 . p d f R e a d A l l D R W K V : F o c u s i n g o n O b j e c t E d g e s f o r L o w L i g h t I m a g e E n h a n c e m e n t 2 0 2 5 0 7 2 4 1 7 : 2 4 : 5 9 X u e c h e n g B a i , Y u x i a n g W a n g , B o y u H u , Q i n y u a n J i e , C h u a n z h i X u , H o n g r u X i a o , K e c h e n L i , V e r a C h u n g • a r X i v _ A I • • a r X i v _ A I I m a g e _ E n h a n c e m e n t O b j e c t _ T r a c k i n g T r a c k i n g A t t e n t i o n P o s e E n h a n c e m e n t A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t L o w l i g h t i m a g e e n h a n c e m e n t r e m a i n s a c h a l l e n g i n g t a s k , p a r t i c u l a r l y i n p r e s e r v i n g o b j e c t e d g e c o n t i n u i t y a n d f i n e s t r u c t u r a l d e t a i l s u n d e r e x t r e m e i l l u m i n a t i o n d e g r a d a t i o n . I n t h i s p a p e r , w e p r o p o s e a n o v e l m o d e l , D R W K V ( D e t a i l e d R e c e p t a n c e W e i g h t e d K e y V a l u e ) , w h i c h i n t e g r a t e s o u r p r o p o s e d G l o b a l E d g e R e t i n e x ( G E R ) t h e o r y , e n a b l i n g e f f e c t i v e d e c o u p l i n g o f i l l u m i n a t i o n a n d e d g e s t r u c t u r e s f o r e n h a n c e d e d g e f i d e l i t y . S e c o n d l y , w e i n t r o d u c e E v o l v i n g W K V A t t e n t i o n , a s p i r a l s c a n n i n g m e c h a n i s m t h a t c a p t u r e s s p a t i a l e d g e c o n t i n u i t y a n d m o d e l s i r r e g u l a r s t r u c t u r e s m o r e e f f e c t i v e l y . T h i r d l y , w e d e s i g n t h e B i l a t e r a l S p e c t r u m A l i g n e r ( B i S A B ) a n d a t a i l o r e d M S 2 L o s s t o j o i n t l y a l i g n l u m i n a n c e a n d c h r o m i n a n c e f e a t u r e s , i m p r o v i n g v i s u a l n a t u r a l n e s s a n d m i t i g a t i n g a r t i f a c t s . E x t e n s i v e e x p e r i m e n t s o n f i v e L L I E b e n c h m a r k s d e m o n s t r a t e t h a t D R W K V a c h i e v e s l e a d i n g p e r f o r m a n c e i n P S N R , S S I M , a n d N I Q E w h i l e m a i n t a i n i n g l o w c o m p u t a t i o n a l c o m p l e x i t y . F u r t h e r m o r e , D R W K V e n h a n c e s d o w n s t r e a m p e r f o r m a n c e i n l o w l i g h t m u l t i o b j e c t t r a c k i n g t a s k s , v a l i d a t i n g i t s g e n e r a l i z a t i o n c a p a b i l i t i e s . A b s t r a c t ( t r a n s l a t e d ) 低 光 照 图 像 增 强 仍 然 是 一 项 具 有 挑 战 性 的 任 务 ， 尤 其 是 在 极 端 照 明 退 化 情 况 下 保 持 物 体 边 缘 连 续 性 和 精 细 结 构 细 节 方 面 。 在 本 文 中 ， 我 们 提 出 了 一 种 新 型 模 型 D R W K V （ D e t a i l e d R e c e p t a n c e W e i g h t e d K e y V a l u e ） ， 该 模 型 集 成 了 我 们 提 出 的 全 局 边 缘 R e t i n e x （ G E R ） 理 论 ， 能 够 有 效 地 将 光 照 和 边 缘 结 构 解 耦 以 增 强 边 缘 保 真 度 。 其 次 ， 我 们 引 入 了 进 化 W K V 注 意 力 机 制 ， 这 是 一 种 螺 旋 扫 描 机 制 ， 可 以 更 有 效 地 捕 捉 空 间 边 缘 连 续 性 并 建 模 不 规 则 结 构 。 第 三 ， 我 们 设 计 了 双 边 光 谱 对 齐 器 （ B i S A B ） 以 及 定 制 的 M S 2 L o s s 来 共 同 对 准 亮 度 和 色 度 特 征 ， 从 而 提 高 视 觉 自 然 度 并 减 少 伪 影 。 在 五 个 低 光 照 图 像 增 强 基 准 数 据 集 上 的 广 泛 实 验 表 明 ， D R W K V 在 P S N R 、 S S I M 和 N I Q E 等 指 标 上 取 得 了 领 先 性 能 ， 并 且 保 持 了 较 低 的 计 算 复 杂 度 。 此 外 ， D R W K V 还 增 强 了 下 游 任 务 中 低 光 多 目 标 跟 踪 的 表 现 ， 验 证 了 其 泛 化 能 力 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 9 4 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 9 4 . p d f R e a d A l l A F o u n d a t i o n M o d e l f o r M a s s i v e M I M O P r e c o d i n g w i t h a n A d a p t i v e p e r U s e r R a t e P o w e r T r a d e o f f 2 0 2 5 0 7 2 4 1 7 : 1 0 : 0 6 J \ \ e r \ \ ^ o m e E m e r y , A l i H a s a n z a d e h K a r k a n , J e a n F r a n \ \ c o i s F r i g o n , F r a n \ \ c o i s L e d u c P r i m e a u • a r X i v _ A I • • a r X i v _ A I D e e p _ L e a r n i n g T r a n s f o r m e r P o s e Z e r o S h o t A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t D e e p l e a r n i n g ( D L ) h a s e m e r g e d a s a s o l u t i o n f o r p r e c o d i n g i n m a s s i v e m u l t i p l e i n p u t m u l t i p l e o u t p u t ( m M I M O ) s y s t e m s d u e t o i t s c a p a c i t y t o l e a r n t h e c h a r a c t e r i s t i c s o f t h e p r o p a g a t i o n e n v i r o n m e n t . H o w e v e r , t r a i n i n g s u c h a m o d e l r e q u i r e s h i g h q u a l i t y , l o c a l d a t a s e t s a t t h e d e p l o y m e n t s i t e , w h i c h a r e o f t e n d i f f i c u l t t o c o l l e c t . W e p r o p o s e a t r a n s f o r m e r b a s e d f o u n d a t i o n m o d e l f o r m M I M O p r e c o d i n g t h a t s e e k s t o m i n i m i z e t h e e n e r g y c o n s u m p t i o n o f t h e t r a n s m i t t e r w h i l e d y n a m i c a l l y a d a p t i n g t o p e r u s e r r a t e r e q u i r e m e n t s . A t e q u a l e n e r g y c o n s u m p t i o n , z e r o s h o t d e p l o y m e n t o f t h e p r o p o s e d f o u n d a t i o n m o d e l s i g n i f i c a n t l y o u t p e r f o r m s z e r o f o r c i n g , a n d a p p r o a c h e s w e i g h t e d m i n i m u m m e a n s q u a r e d e r r o r p e r f o r m a n c e w i t h 8 x l e s s c o m p l e x i t y . T o a d d r e s s m o d e l a d a p t a t i o n i n d a t a s c a r c e s e t t i n g s , w e i n t r o d u c e a d a t a a u g m e n t a t i o n m e t h o d t h a t f i n d s t r a i n i n g s a m p l e s s i m i l a r t o t h e t a r g e t d i s t r i b u t i o n b y c o m p u t i n g t h e c o s i n e s i m i l a r i t y b e t w e e n t h e o u t p u t s o f t h e p r e t r a i n e d f e a t u r e e x t r a c t o r . O u r w o r k e n a b l e s t h e i m p l e m e n t a t i o n o f D L b a s e d s o l u t i o n s i n p r a c t i c e b y a d d r e s s i n g c h a l l e n g e s o f d a t a a v a i l a b i l i t y a n d t r a i n i n g c o m p l e x i t y . M o r e o v e r , t h e a b i l i t y t o d y n a m i c a l l y c o n f i g u r e p e r u s e r r a t e r e q u i r e m e n t s c a n b e l e v e r a g e d b y h i g h e r l e v e l r e s o u r c e a l l o c a t i o n a n d s c h e d u l i n g a l g o r i t h m s f o r g r e a t e r c o n t r o l o v e r e n e r g y e f f i c i e n c y , s p e c t r a l e f f i c i e n c y a n d f a i r n e s s . A b s t r a c t ( t r a n s l a t e d ) 深 度 学 习 （ D L ） 已 成 为 大 规 模 多 输 入 多 输 出 （ m M I M O ） 系 统 预 编 码 解 决 方 案 的 一 种 方 法 ， 因 为 它 能 够 学 习 传 播 环 境 的 特 性 。 然 而 ， 训 练 这 样 的 模 型 需 要 在 部 署 现 场 收 集 高 质 量 、 本 地 化 的 数 据 集 ， 这 往 往 难 以 实 现 。 我 们 提 出 了 一 种 基 于 变 压 器 的 基 础 模 型 ， 用 于 m M I M O 预 编 码 ， 在 最 小 化 发 射 器 能 耗 的 同 时 动 态 适 应 每 个 用 户 的 速 率 需 求 。 在 相 同 的 能 量 消 耗 下 ， 所 提 出 的 零 样 本 部 署 基 础 模 型 显 著 优 于 零 强 迫 方 法 ， 并 且 复 杂 度 降 低 8 倍 的 情 况 下 接 近 加 权 最 小 均 方 误 差 性 能 。 为 了 应 对 数 据 稀 疏 环 境 下 的 模 型 调 整 问 题 ， 我 们 引 入 了 一 种 数 据 增 强 方 法 ， 通 过 计 算 预 训 练 特 征 提 取 器 输 出 之 间 的 余 弦 相 似 性 来 寻 找 类 似 于 目 标 分 布 的 训 练 样 本 。 我 们 的 工 作 解 决 了 深 度 学 习 解 决 方 案 在 实 践 中 面 临 的 数 据 可 用 性 和 训 练 复 杂 度 挑 战 ， 并 促 进 了 基 于 D L 的 方 法 的 实 际 应 用 。 此 外 ， 能 够 根 据 每 个 用 户 的 速 率 需 求 动 态 配 置 的 能 力 可 以 被 更 高 层 次 的 资 源 分 配 和 调 度 算 法 利 用 ， 以 更 好 地 控 制 能 源 效 率 、 频 谱 效 率 及 公 平 性 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 8 7 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 8 7 . p d f R e a d A l l A Q u i l t : W e a v i n g L o g i c a n d S e l f I n s p e c t i o n i n t o L o w C o s t , H i g h R e l e v a n c e D a t a S y n t h e s i s f o r S p e c i a l i s t L L M s 2 0 2 5 0 7 2 4 1 7 : 0 3 : 2 7 X i a o p e n g K e , H e x u a n D e n g , X u e b o L i u , J u n R a o , Z h e n x i S o n g , J u n Y u , M i n Z h a n g • a r X i v _ A I • • a r X i v _ A I L a n g u a g e _ M o d e l P o s e L L M A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t D e s p i t e t h e i m p r e s s i v e p e r f o r m a n c e o f l a r g e l a n g u a g e m o d e l s ( L L M s ) i n g e n e r a l d o m a i n s , t h e y o f t e n u n d e r p e r f o r m i n s p e c i a l i z e d d o m a i n s . E x i s t i n g a p p r o a c h e s t y p i c a l l y r e l y o n d a t a s y n t h e s i s m e t h o d s a n d y i e l d p r o m i s i n g r e s u l t s b y u s i n g u n l a b e l e d d a t a t o c a p t u r e d o m a i n s p e c i f i c f e a t u r e s . H o w e v e r , t h e s e m e t h o d s e i t h e r i n c u r h i g h c o m p u t a t i o n a l c o s t s o r s u f f e r f r o m p e r f o r m a n c e l i m i t a t i o n s , w h i l e a l s o d e m o n s t r a t i n g i n s u f f i c i e n t g e n e r a l i z a t i o n a c r o s s d i f f e r e n t t a s k s . T o a d d r e s s t h e s e c h a l l e n g e s , w e p r o p o s e A Q u i l t , a f r a m e w o r k f o r c o n s t r u c t i n g i n s t r u c t i o n t u n i n g d a t a f o r a n y s p e c i a l i z e d d o m a i n s f r o m c o r r e s p o n d i n g u n l a b e l e d d a t a , i n c l u d i n g A n s w e r , Q u e s t i o n , U n l a b e l e d d a t a , I n s p e c t i o n , L o g i c , a n d T a s k t y p e . B y i n c o r p o r a t i n g l o g i c a n d i n s p e c t i o n , w e e n c o u r a g e r e a s o n i n g p r o c e s s e s a n d s e l f i n s p e c t i o n t o e n h a n c e m o d e l p e r f o r m a n c e . M o r e o v e r , c u s t o m i z a b l e t a s k i n s t r u c t i o n s e n a b l e h i g h q u a l i t y d a t a g e n e r a t i o n f o r a n y t a s k . A s a r e s u l t , w e c o n s t r u c t a d a t a s e t o f 7 0 3 k e x a m p l e s t o t r a i n a p o w e r f u l d a t a s y n t h e s i s m o d e l . E x p e r i m e n t s s h o w t h a t A Q u i l t i s c o m p a r a b l e t o D e e p S e e k V 3 w h i l e u t i l i z i n g j u s t 1 7 % o f t h e p r o d u c t i o n c o s t . F u r t h e r a n a l y s i s d e m o n s t r a t e s t h a t o u r g e n e r a t e d d a t a e x h i b i t s h i g h e r r e l e v a n c e t o d o w n s t r e a m t a s k s . S o u r c e c o d e , m o d e l s , a n d s c r i p t s a r e a v a i l a b l e a t t h i s h t t p s U R L . A b s t r a c t ( t r a n s l a t e d ) 尽 管 大 型 语 言 模 型 （ L L M ） 在 通 用 领 域 表 现 出 色 ， 但 在 专 业 领 域 中 往 往 表 现 不 佳 。 现 有 方 法 通 常 依 赖 于 数 据 合 成 技 术 ， 并 通 过 使 用 未 标 记 的 数 据 捕 捉 特 定 领 域 的 特 征 来 取 得 令 人 鼓 舞 的 结 果 。 然 而 ， 这 些 方 法 要 么 导 致 高 昂 的 计 算 成 本 ， 要 么 性 能 受 限 ， 同 时 在 不 同 任 务 中 的 泛 化 能 力 也 显 得 不 足 。 为 了 解 决 这 些 问 题 ， 我 们 提 出 了 一 种 名 为 A Q u i l t 的 框 架 ， 该 框 架 旨 在 从 相 应 的 未 标 记 数 据 中 构 建 任 何 专 业 领 域 的 指 令 调 优 数 据 集 ， 包 括 答 案 、 问 题 、 未 标 注 的 数 据 、 检 查 、 逻 辑 和 任 务 类 型 等 元 素 。 通 过 结 合 逻 辑 和 检 查 机 制 ， 我 们 可 以 鼓 励 推 理 过 程 和 自 我 审 查 以 增 强 模 型 性 能 。 此 外 ， 可 定 制 的 任 务 说 明 能 够 生 成 适 用 于 任 何 任 务 的 高 质 量 数 据 。 因 此 ， 我 们 构 建 了 一 个 包 含 7 0 3 , 0 0 0 个 示 例 的 数 据 集 来 训 练 一 个 强 大 的 数 据 合 成 模 型 。 实 验 表 明 ， 在 仅 使 用 1 7 % 生 产 成 本 的 情 况 下 ， A Q u i l t 的 表 现 可 以 媲 美 D e e p S e e k V 3 。 进 一 步 分 析 显 示 ， 我 们 生 成 的 数 据 对 于 下 游 任 务 具 有 更 高 的 相 关 性 。 源 代 码 、 模 型 和 脚 本 可 在 该 链 接 中 获 取 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 8 4 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 8 4 . p d f R e a d A l l D R . E H R : D e n s e R e t r i e v a l f o r E l e c t r o n i c H e a l t h R e c o r d w i t h K n o w l e d g e I n j e c t i o n a n d S y n t h e t i c D a t a 2 0 2 5 0 7 2 4 1 7 : 0 2 : 4 6 Z h e n g y u n Z h a o , H u a i y u a n Y i n g , Y u e Z h o n g , S h e n g Y u • a r X i v _ A I • • a r X i v _ A I Q A K n o w l e d g e K n o w l e d g e _ G r a p h L a n g u a g e _ M o d e l P o s e A c t i o n M e d i c a l A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t E l e c t r o n i c H e a l t h R e c o r d s ( E H R s ) a r e p i v o t a l i n c l i n i c a l p r a c t i c e s , y e t t h e i r r e t r i e v a l r e m a i n s a c h a l l e n g e m a i n l y d u e t o s e m a n t i c g a p i s s u e s . R e c e n t a d v a n c e m e n t s i n d e n s e r e t r i e v a l o f f e r p r o m i s i n g s o l u t i o n s b u t e x i s t i n g m o d e l s , b o t h g e n e r a l d o m a i n a n d b i o m e d i c a l d o m a i n , f a l l s h o r t d u e t o i n s u f f i c i e n t m e d i c a l k n o w l e d g e o r m i s m a t c h e d t r a i n i n g c o r p o r a . T h i s p a p e r i n t r o d u c e s \ \ t e x t t t , a s e r i e s o f d e n s e r e t r i e v a l m o d e l s s p e c i f i c a l l y t a i l o r e d f o r E H R r e t r i e v a l . W e p r o p o s e a t w o s t a g e t r a i n i n g p i p e l i n e u t i l i z i n g M I M I C I V d i s c h a r g e s u m m a r i e s t o a d d r e s s t h e n e e d f o r e x t e n s i v e m e d i c a l k n o w l e d g e a n d l a r g e s c a l e t r a i n i n g d a t a . T h e f i r s t s t a g e i n v o l v e s m e d i c a l e n t i t y e x t r a c t i o n a n d k n o w l e d g e i n j e c t i o n f r o m a b i o m e d i c a l k n o w l e d g e g r a p h , w h i l e t h e s e c o n d s t a g e e m p l o y s l a r g e l a n g u a g e m o d e l s t o g e n e r a t e d i v e r s e t r a i n i n g d a t a . W e t r a i n t w o v a r i a n t s o f \ \ t e x t t t , w i t h 1 1 0 M a n d 7 B p a r a m e t e r s , r e s p e c t i v e l y . E v a l u a t e d o n t h e C l i n i Q b e n c h m a r k , o u r m o d e l s s i g n i f i c a n t l y o u t p e r f o r m s a l l e x i s t i n g d e n s e r e t r i e v e r s , a c h i e v i n g s t a t e o f t h e a r t r e s u l t s . D e t a i l e d a n a l y s e s c o n f i r m o u r m o d e l s s u p e r i o r i t y a c r o s s v a r i o u s m a t c h a n d q u e r y t y p e s , p a r t i c u l a r l y i n c h a l l e n g i n g s e m a n t i c m a t c h e s l i k e i m p l i c a t i o n a n d a b b r e v i a t i o n . A b l a t i o n s t u d i e s v a l i d a t e t h e e f f e c t i v e n e s s o f e a c h p i p e l i n e c o m p o n e n t , a n d s u p p l e m e n t a r y e x p e r i m e n t s o n E H R Q A d a t a s e t s d e m o n s t r a t e t h e m o d e l s g e n e r a l i z a b i l i t y o n n a t u r a l l a n g u a g e q u e s t i o n s , i n c l u d i n g c o m p l e x o n e s w i t h m u l t i p l e e n t i t i e s . T h i s w o r k s i g n i f i c a n t l y a d v a n c e s E H R r e t r i e v a l , o f f e r i n g a r o b u s t s o l u t i o n f o r c l i n i c a l a p p l i c a t i o n s . A b s t r a c t ( t r a n s l a t e d ) 电 子 健 康 记 录 （ E H R s ） 在 临 床 实 践 中 至 关 重 要 ， 但 其 检 索 仍 然 是 一 个 挑 战 ， 主 要 是 由 于 语 义 差 距 问 题 。 最 近 ， 在 密 集 检 索 领 域 的 进 展 提 供 了 有 前 景 的 解 决 方 案 ， 然 而 现 有 的 通 用 领 域 和 生 物 医 学 领 域 的 模 型 由 于 缺 乏 足 够 的 医 疗 知 识 或 训 练 语 料 库 不 匹 配 而 无 法 完 全 解 决 问 题 。 本 文 介 绍 了 一 种 专 门 针 对 E H R 检 索 设 计 的 一 系 列 密 集 型 检 索 模 型 — — \ \ t e x t t t （ 假 设 这 里 的 U R L 代 表 一 个 具 体 的 项 目 名 称 ） 。 我 们 提 出 了 一 种 两 阶 段 的 训 练 流 水 线 ， 利 用 M I M I C I V 出 院 总 结 来 解 决 对 广 泛 医 疗 知 识 和 大 规 模 训 练 数 据 的 需 求 。 第 一 阶 段 包 括 从 生 物 医 学 知 识 图 中 提 取 医 学 实 体 并 注 入 相 关 知 识 ， 第 二 阶 段 则 采 用 大 型 语 言 模 型 生 成 多 样 化 训 练 数 据 。 我 们 分 别 针 对 1 . 1 亿 参 数 和 7 0 亿 参 数 的 两 个 变 体 训 练 了 \ \ t e x t t t 。 在 C l i n i Q 基 准 测 试 中 ， 我 们 的 模 型 显 著 超 越 所 有 现 有 的 密 集 型 检 索 器 ， 在 各 项 指 标 上 都 达 到 了 最 先 进 的 水 平 。 详 细 的 分 析 证 实 了 我 们 在 各 种 匹 配 类 型 和 查 询 类 型 上 的 优 势 ， 特 别 是 在 具 有 挑 战 性 的 语 义 匹 配 如 暗 示 和 缩 写 方 面 表 现 突 出 。 消 融 研 究 验 证 了 流 水 线 各 组 成 部 分 的 有 效 性 ， 并 通 过 在 E H R 问 答 数 据 集 上 的 补 充 实 验 展 示 了 模 型 对 自 然 语 言 问 题 （ 包 括 涉 及 多 个 实 体 的 复 杂 问 题 ） 的 强 大 泛 化 能 力 。 这 项 工 作 大 大 推 进 了 E H R 检 索 领 域 ， 为 临 床 应 用 提 供 了 强 大 的 解 决 方 案 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 8 3 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 8 3 . p d f R e a d A l l S y s t e m R e p o r t f o r C C L 2 5 E v a l T a s k 1 0 : S R A G M A V f o r F i n e G r a i n e d C h i n e s e H a t e S p e e c h R e c o g n i t i o n 2 0 2 5 0 7 2 4 1 6 : 5 6 : 3 8 J i a h a o W a n g , R a m e n L i u , L o n g h u i Z h a n g , J i n g L i • a r X i v _ C L • • a r X i v _ C L S p e e c h _ R e c o g n i t i o n R e c o g n i t i o n I n f e r e n c e T r a n s f o r m e r P o s e A c t i o n S p e e c h C h a t A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t T h i s p a p e r p r e s e n t s o u r s y s t e m f o r C C L 2 5 E v a l T a s k 1 0 , a d d r e s s i n g F i n e G r a i n e d C h i n e s e H a t e S p e e c h R e c o g n i t i o n ( F G C H S R ) . W e p r o p o s e a n o v e l S R A G M A V f r a m e w o r k t h a t s y n e r g i s t i c a l l y i n t e g r a t e s t a s k r e f o r m u l a t i o n ( T R ) , S e l f R e t r i e v a l A u g m e n t e d G e n e r a t i o n ( S R A G ) , a n d M u l t i R o u n d A c c u m u l a t i v e V o t i n g ( M A V ) . O u r m e t h o d r e f o r m u l a t e s t h e q u a d r u p l e t e x t r a c t i o n t a s k i n t o t r i p l e t e x t r a c t i o n , u s e s d y n a m i c r e t r i e v a l f r o m t h e t r a i n i n g s e t t o c r e a t e c o n t e x t u a l p r o m p t s , a n d a p p l i e s m u l t i r o u n d i n f e r e n c e w i t h v o t i n g t o i m p r o v e o u t p u t s t a b i l i t y a n d p e r f o r m a n c e . O u r s y s t e m , b a s e d o n t h e Q w e n 2 . 5 7 B m o d e l , a c h i e v e s a H a r d S c o r e o f 2 6 . 6 6 , a S o f t S c o r e o f 4 8 . 3 5 , a n d a n A v e r a g e S c o r e o f 3 7 . 5 0 5 o n t h e S T A T E T o x i C N d a t a s e t , s i g n i f i c a n t l y o u t p e r f o r m i n g b a s e l i n e s s u c h a s G P T 4 o ( A v e r a g e S c o r e 1 5 . 6 3 ) a n d f i n e t u n e d Q w e n 2 . 5 7 B ( A v e r a g e S c o r e 3 5 . 3 6 5 ) . T h e c o d e i s a v a i l a b l e a t t h i s h t t p s U R L . A b s t r a c t ( t r a n s l a t e d ) 本 文 介 绍 了 我 们 为 C C L 2 5 E v a l 任 务 1 0 设 计 的 系 统 ， 该 任 务 专 注 于 细 粒 度 中 文 仇 恨 言 论 识 别 （ F G C H S R ） 。 我 们 提 出 了 一 种 新 颖 的 S R A G M A V 框 架 ， 该 框 架 协 同 整 合 了 任 务 重 构 （ T R ） 、 自 检 索 增 强 生 成 （ S R A G ） 和 多 轮 累 积 投 票 （ M A V ） 。 我 们 的 方 法 将 四 元 组 抽 取 任 务 转 化 为 三 元 组 抽 取 ， 并 利 用 从 训 练 集 动 态 检 索 出 来 的 内 容 创 建 上 下 文 提 示 。 此 外 ， 我 们 采 用 了 多 轮 推 理 与 投 票 相 结 合 的 方 法 来 提 高 输 出 的 稳 定 性 和 性 能 。 基 于 Q w e n 2 . 5 7 B 模 型 构 建 的 系 统 ， 在 S T A T E T o x i C N 数 据 集 中 取 得 了 硬 评 分 为 2 6 . 6 6 、 软 评 分 为 4 8 . 3 5 和 平 均 评 分 3 7 . 5 0 5 的 成 绩 ， 显 著 优 于 基 线 方 法 如 G P T 4 o （ 平 均 分 1 5 . 6 3 ） 及 微 调 后 的 Q w e n 2 . 5 7 B （ 平 均 分 3 5 . 3 6 5 ） 。 代 码 可 在 [ 此 处 ] ( h t t p s : / / t h i s h t t p s u r l . c o m ) 获 取 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 8 0 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 8 0 . p d f R e a d A l l W i d e I n , N a r r o w O u t : R e v o k a b l e D e c o d i n g f o r E f f i c i e n t a n d E f f e c t i v e D L L M s 2 0 2 5 0 7 2 4 1 6 : 5 1 : 3 3 F e n g H o n g , G e n g Y u , Y u s h i Y e , H a i c h e n g H u a n g , H u a n g j i e Z h e n g , Y a Z h a n g , Y a n f e n g W a n g , J i a n g c h a o Y a o • a r X i v _ C L • • a r X i v _ C L C a p t i o n I n f e r e n c e L a n g u a g e _ M o d e l D i f f u s i o n L L M A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t D i f f u s i o n L a r g e L a n g u a g e M o d e l s ( D L L M s ) h a v e e m e r g e d a s a c o m p e l l i n g a l t e r n a t i v e t o A u t o r e g r e s s i v e m o d e l s , d e s i g n e d f o r f a s t p a r a l l e l g e n e r a t i o n . H o w e v e r , e x i s t i n g D L L M s a r e p l a g u e d b y a s e v e r e q u a l i t y s p e e d t r a d e o f f , w h e r e f a s t e r p a r a l l e l d e c o d i n g l e a d s t o s i g n i f i c a n t p e r f o r m a n c e d e g r a d a t i o n . W e a t t r i b u t e t h i s t o t h e i r r e v e r s i b i l i t y o f s t a n d a r d d e c o d i n g i n D L L M s , w h i c h i s e a s i l y p o l a r i z e d i n t o t h e w r o n g d e c o d i n g d i r e c t i o n a l o n g w i t h e a r l y e r r o r c o n t e x t a c c u m u l a t i o n . T o r e s o l v e t h i s , w e i n t r o d u c e W i d e I n , N a r r o w O u t ( W I N O ) , a t r a i n i n g f r e e d e c o d i n g a l g o r i t h m t h a t e n a b l e s r e v o k a b l e d e c o d i n g i n D L L M s . W I N O e m p l o y s a p a r a l l e l d r a f t a n d v e r i f y m e c h a n i s m , a g g r e s s i v e l y d r a f t i n g m u l t i p l e t o k e n s w h i l e s i m u l t a n e o u s l y u s i n g t h e m o d e l s b i d i r e c t i o n a l c o n t e x t t o v e r i f y a n d r e m a s k s u s p i c i o u s o n e s f o r r e f i n e m e n t . V e r i f i e d i n o p e n s o u r c e D L L M s l i k e L L a D A a n d M M a D A , W I N O i s s h o w n t o d e c i s i v e l y i m p r o v e t h e q u a l i t y s p e e d t r a d e o f f . F o r i n s t a n c e , o n t h e G S M 8 K m a t h b e n c h m a r k , i t a c c e l e r a t e s i n f e r e n c e b y 6 $ \ \ t i m e s $ w h i l e i m p r o v i n g a c c u r a c y b y 2 . 5 8 % ; o n F l i c k r 3 0 K c a p t i o n i n g , i t a c h i e v e s a 1 0 $ \ \ t i m e s $ s p e e d u p w i t h h i g h e r p e r f o r m a n c e . M o r e c o m p r e h e n s i v e e x p e r i m e n t s a r e c o n d u c t e d t o d e m o n s t r a t e t h e s u p e r i o r i t y a n d p r o v i d e a n i n d e p t h u n d e r s t a n d i n g o f W I N O . A b s t r a c t ( t r a n s l a t e d ) 扩 散 大 型 语 言 模 型 （ D L L M s ） 作 为 一 种 有 吸 引 力 的 自 回 归 模 型 替 代 方 案 已 经 出 现 ， 旨 在 实 现 快 速 并 行 生 成 。 然 而 ， 现 有 的 D L L M s 面 临 着 严 重 的 质 量 与 速 度 之 间 的 权 衡 问 题 ， 即 更 快 的 并 行 解 码 会 导 致 性 能 显 著 下 降 。 我 们 将 其 归 因 于 标 准 解 码 在 D L L M s 中 的 不 可 逆 性 ， 在 早 期 错 误 上 下 文 累 积 的 情 况 下 容 易 被 导 向 错 误 的 解 码 方 向 。 为 解 决 这 一 问 题 ， 我 们 引 入 了 W i d e I n , N a r r o w O u t ( W I N O ) ， 这 是 一 种 无 需 训 练 的 解 码 算 法 ， 使 可 撤 销 解 码 在 D L L M s 中 得 以 实 现 。 W I N O 采 用 了 一 种 平 行 草 稿 验 证 机 制 ， 同 时 激 进 地 生 成 多 个 令 牌 ， 并 利 用 模 型 的 双 向 上 下 文 来 验 证 并 重 新 屏 蔽 可 疑 令 牌 以 进 行 细 化 。 通 过 开 源 D L L M s （ 如 L L a D A 和 M M a D A ） 的 实 际 验 证 ， W I N O 已 被 证 明 能 够 显 著 改 善 质 量 与 速 度 之 间 的 权 衡 。 例 如 ， 在 G S M 8 K 数 学 基 准 测 试 中 ， 它 将 推 理 加 速 了 6 倍 ， 并 提 高 了 2 . 5 8 % 的 准 确 率 ； 在 F l i c k r 3 0 K 描 述 任 务 上 ， 它 实 现 了 1 0 倍 的 速 度 提 升 并 达 到 了 更 高 的 性 能 水 平 。 进 行 了 更 多 全 面 的 实 验 来 展 示 W I N O 的 优 势 ， 并 对 其 进 行 了 深 入 分 析 以 更 好 地 理 解 其 工 作 原 理 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 7 8 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 7 8 . p d f R e a d A l l S a f e W o r k R 1 : C o e v o l v i n g S a f e t y a n d I n t e l l i g e n c e u n d e r t h e A I 4 5 $ ^ $ L a w 2 0 2 5 0 7 2 4 1 6 : 4 9 : 1 9 S h a n g h a i A I L a b , , Y i c h e n g B a o , G u a n x u C h e n , M i n g k a n g C h e n , Y u n h a o C h e n , C h i y u C h e n , L i n g j i e C h e n , S i r u i C h e n , X i n q u a n C h e n , J i e C h e n g , Y u C h e n g , D e n g k e D e n g , Y i z h u o D i n g , D a n D i n g , X i a o s h a n D i n g , Y i D i n g , Z h i c h e n D o n g , L i n g x i a o D u , Y u y u F a n , X i n s h u n F e n g , Y a n w e i F u , Y u x u a n G a o , R u i j u n G e , T i a n l e G u , L u j u n G u i , J i a x u a n G u o , Q i a n x i H e , Y u e n a n H o u , X u h a o H u , H o n g H u a n g , K a i c h e n H u a n g , S h i y a n g H u a n g , Y u x i a n J i a n g , S h a n z h e L e i , J i e L i , L i j u n L i , H a o L i , J u n c h e n g L i , X i a n g t i a n L i , Y a f u L i , L i n g y u L i , X u e y a n L i , H a o t i a n L i a n g , D o n g r u i L i u , Q i h u a L i u , Z h i x u a n L i u , B a n g w e i L i u , H u a c a n L i u , Y u e x i a o L i u , Z o n g k a i L i u , C h a o c h a o L u , Y u d o n g L u , X i a o y a L u , Z h e n g h a o L u , Q i t a n L v , C a o y u a n M a , J i a c h e n M a , X i a o y a M a , Z h o n g t i a n M a , L i n g y u M e n g , Z i q i M i a o , Y a z h e N i u , Y u e z h a n g P e n g , Y u a n P u , H a n Q i , C h e n Q i a n , X i n g g e Q i a o , J i n g j i n g Q u , J i a s h u Q u , W a n y i n g Q u , W e n w e n Q u , X i a o y e Q u , Q i h a n R e n , Q i n g n a n R e n , Q i n g y u R e n , J i n g S h a o , W e n q i S h a o , S h u a i S h a o , D o n g x i n g S h i , X i n S o n g , X i n h a o S o n g , Y a n T e n g , X u a n T o n g , Y i n g c h u n W a n g , X u h o n g W a n g , S h u j i e W a n g , X i n W a n g , Y i g e W a n g , Y i x u W a n g , Y u a n f u W a n g , F u t i n g W a n g , R u o f a n W a n g , W e n j i e W a n g , Y a j i e W a n g , M u h a o W e i , X i a o y u W e n , F e n g h u a W e n g , Y u q i W u , Y i n g t o n g X i o n g , X i n g c h e n g X u , C h a o Y a n g , Y u e Y a n g , Y a n g Y a o , Y u l e i Y e , Z h e n y u n Y i n , Y i Y u , B o Z h a n g , Q i a o s h e n g Z h a n g , J i n x u a n Z h a n g , Y e x i n Z h a n g , Y i n q i a n g Z h e n g , H e f e n g Z h o u , Z h a n h u i Z h o u , P e n g y u Z h u , Q i n g z i Z h u , Y u b o Z h u , B o w e n Z h o u • a r X i v _ A I • • a r X i v _ A I R e i n f o r c e m e n t _ L e a r n i n g I n f e r e n c e T r a n s f o r m e r P o s e C h a t A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t W e i n t r o d u c e S a f e W o r k R 1 , a c u t t i n g e d g e m u l t i m o d a l r e a s o n i n g m o d e l t h a t d e m o n s t r a t e s t h e c o e v o l u t i o n o f c a p a b i l i t i e s a n d s a f e t y . I t i s d e v e l o p e d b y o u r p r o p o s e d S a f e L a d d e r f r a m e w o r k , w h i c h i n c o r p o r a t e s l a r g e s c a l e , p r o g r e s s i v e , s a f e t y o r i e n t e d r e i n f o r c e m e n t l e a r n i n g p o s t t r a i n i n g , s u p p o r t e d b y a s u i t e o f m u l t i p r i n c i p l e d v e r i f i e r s . U n l i k e p r e v i o u s a l i g n m e n t m e t h o d s s u c h a s R L H F t h a t s i m p l y l e a r n h u m a n p r e f e r e n c e s , S a f e L a d d e r e n a b l e s S a f e W o r k R 1 t o d e v e l o p i n t r i n s i c s a f e t y r e a s o n i n g a n d s e l f r e f l e c t i o n a b i l i t i e s , g i v i n g r i s e t o s a f e t y ` a h a m o m e n t s . N o t a b l y , S a f e W o r k R 1 a c h i e v e s a n a v e r a g e i m p r o v e m e n t o f $ 4 6 . 5 4 \ \ % $ o v e r i t s b a s e m o d e l Q w e n 2 . 5 V L 7 2 B o n s a f e t y r e l a t e d b e n c h m a r k s w i t h o u t c o m p r o m i s i n g g e n e r a l c a p a b i l i t i e s , a n d d e l i v e r s s t a t e o f t h e a r t s a f e t y p e r f o r m a n c e c o m p a r e d t o l e a d i n g p r o p r i e t a r y m o d e l s s u c h a s G P T 4 . 1 a n d C l a u d e O p u s 4 . T o f u r t h e r b o l s t e r i t s r e l i a b i l i t y , w e i m p l e m e n t t w o d i s t i n c t i n f e r e n c e t i m e i n t e r v e n t i o n m e t h o d s a n d a d e l i b e r a t i v e s e a r c h m e c h a n i s m , e n f o r c i n g s t e p l e v e l v e r i f i c a t i o n . F i n a l l y , w e f u r t h e r d e v e l o p S a f e W o r k R 1 I n t e r n V L 3 7 8 B , S a f e W o r k R 1 D e e p S e e k 7 0 B , a n d S a f e W o r k R 1 Q w e n 2 . 5 V L 7 B . A l l r e s u l t i n g m o d e l s d e m o n s t r a t e t h a t s a f e t y a n d c a p a b i l i t y c a n c o e v o l v e s y n e r g i s t i c a l l y , h i g h l i g h t i n g t h e g e n e r a l i z a b i l i t y o f o u r f r a m e w o r k i n b u i l d i n g r o b u s t , r e l i a b l e , a n d t r u s t w o r t h y g e n e r a l p u r p o s e A I . A b s t r a c t ( t r a n s l a t e d ) 我 们 介 绍 了 S a f e W o r k R 1 ， 这 是 一 种 先 进 的 多 模 态 推 理 模 型 ， 展 示 了 能 力 与 安 全 性 的 共 进 化 。 它 是 通 过 我 们 提 出 的 S a f e L a d d e r 框 架 开 发 的 ， 该 框 架 在 训 练 后 采 用 大 规 模 、 渐 进 式 和 以 安 全 为 导 向 的 强 化 学 习 ， 并 配 备 了 一 套 多 原 则 验 证 器 。 与 之 前 的 对 齐 方 法 （ 如 R L H F ） 仅 仅 学 习 人 类 偏 好 不 同 ， S a f e L a d d e r 使 S a f e W o r k R 1 能 够 发 展 出 内 在 的 安 全 推 理 能 力 和 自 我 反 思 能 力 ， 从 而 产 生 安 全 性 “ 顿 悟 ” 时 刻 。 值 得 注 意 的 是 ， S a f e W o r k R 1 在 其 基 础 模 型 Q w e n 2 . 5 V L 7 2 B 上 ， 在 不 牺 牲 通 用 性 的 情 况 下 ， 在 与 安 全 相 关 的 基 准 测 试 中 平 均 提 高 了 4 6 . 5 4 % ， 并 且 在 安 全 性 方 面 比 G P T 4 . 1 和 C l a u d e O p u s 4 等 领 先 的 专 有 模 型 表 现 出 了 最 先 进 的 性 能 。 为 了 进 一 步 增 强 其 可 靠 性 ， 我 们 实 现 了 两 种 不 同 的 推 理 时 间 干 预 方 法 以 及 一 个 审 慎 搜 索 机 制 ， 并 强 制 执 行 步 骤 级 验 证 。 最 后 ， 我 们 还 开 发 了 S a f e W o r k R 1 I n t e r n V L 3 7 8 B 、 S a f e W o r k R 1 D e e p S e e k 7 0 B 和 S a f e W o r k R 1 Q w e n 2 . 5 V L 7 B 等 衍 生 模 型 。 所 有 生 成 的 模 型 都 展 示 了 安 全 性 与 能 力 可 以 协 同 进 化 ， 并 强 调 了 我 们 的 框 架 在 构 建 稳 健 、 可 靠 和 值 得 信 赖 的 一 般 用 途 A I 方 面 的 通 用 性 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 7 6 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 7 6 . p d f R e a d A l l H y b r i d T M : C o m b i n i n g T r a n s f o r m e r a n d M a m b a f o r 3 D S e m a n t i c S e g m e n t a t i o n 2 0 2 5 0 7 2 4 1 6 : 4 8 : 5 0 X i n y u W a n g , J i n g h u a H o u , Z h e L i u , Y i n g y i n g Z h u • a r X i v _ C V • • a r X i v _ C V S e g m e n t a t i o n S e m a n t i c _ S e g m e n t a t i o n A t t e n t i o n T r a n s f o r m e r P o s e 3 D P o i n t _ C l o u d A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t T r a n s f o r m e r b a s e d m e t h o d s h a v e d e m o n s t r a t e d r e m a r k a b l e c a p a b i l i t i e s i n 3 D s e m a n t i c s e g m e n t a t i o n t h r o u g h t h e i r p o w e r f u l a t t e n t i o n m e c h a n i s m s , b u t t h e q u a d r a t i c c o m p l e x i t y l i m i t s t h e i r m o d e l i n g o f l o n g r a n g e d e p e n d e n c i e s i n l a r g e s c a l e p o i n t c l o u d s . W h i l e r e c e n t M a m b a b a s e d a p p r o a c h e s o f f e r e f f i c i e n t p r o c e s s i n g w i t h l i n e a r c o m p l e x i t y , t h e y s t r u g g l e w i t h f e a t u r e r e p r e s e n t a t i o n w h e n e x t r a c t i n g 3 D f e a t u r e s . H o w e v e r , e f f e c t i v e l y c o m b i n i n g t h e s e c o m p l e m e n t a r y s t r e n g t h s r e m a i n s a n o p e n c h a l l e n g e i n t h i s f i e l d . I n t h i s p a p e r , w e p r o p o s e H y b r i d T M , t h e f i r s t h y b r i d a r c h i t e c t u r e t h a t i n t e g r a t e s T r a n s f o r m e r a n d M a m b a f o r 3 D s e m a n t i c s e g m e n t a t i o n . I n a d d i t i o n , w e p r o p o s e t h e I n n e r L a y e r H y b r i d S t r a t e g y , w h i c h c o m b i n e s a t t e n t i o n a n d M a m b a a t a f i n e r g r a n u l a r i t y , e n a b l i n g s i m u l t a n e o u s c a p t u r e o f l o n g r a n g e d e p e n d e n c i e s a n d f i n e g r a i n e d l o c a l f e a t u r e s . E x t e n s i v e e x p e r i m e n t s d e m o n s t r a t e t h e e f f e c t i v e n e s s a n d g e n e r a l i z a t i o n o f o u r H y b r i d T M o n d i v e r s e i n d o o r a n d o u t d o o r d a t a s e t s . F u r t h e r m o r e , o u r H y b r i d T M a c h i e v e s s t a t e o f t h e a r t p e r f o r m a n c e o n S c a n N e t , S c a n N e t 2 0 0 , a n d n u S c e n e s b e n c h m a r k s . T h e c o d e w i l l b e m a d e a v a i l a b l e a t t h i s h t t p s U R L . A b s t r a c t ( t r a n s l a t e d ) 基 于 T r a n s f o r m e r 的 方 法 通 过 其 强 大 的 注 意 力 机 制 在 三 维 语 义 分 割 领 域 展 现 了 非 凡 的 能 力 ， 但 二 次 复 杂 度 限 制 了 它 们 对 大 规 模 点 云 中 长 距 离 依 赖 关 系 的 建 模 。 尽 管 最 近 基 于 M a m b a 的 方 法 提 供 了 线 性 复 杂 度 下 的 高 效 处 理 能 力 ， 但 在 提 取 3 D 特 征 时 它 们 面 临 着 表 示 能 力 不 足 的 问 题 。 然 而 ， 在 这 一 领 域 内 ， 如 何 有 效 地 结 合 这 些 互 补 优 势 仍 是 一 项 开 放 性 的 挑 战 。 在 本 文 中 ， 我 们 提 出 了 一 种 创 新 性 的 H y b r i d T M 架 构 ， 它 是 首 个 将 T r a n s f o r m e r 和 M a m b a 相 结 合 的 混 合 结 构 ， 专 门 用 于 三 维 语 义 分 割 任 务 。 此 外 ， 我 们 还 提 出 了 I n n e r L a y e r H y b r i d S t r a t e g y （ I L H S ） ， 该 策 略 以 更 细 粒 度 的 方 式 结 合 注 意 力 机 制 与 M a m b a ， 从 而 能 够 同 时 捕 捉 长 距 离 依 赖 关 系 和 精 细 局 部 特 征 。 广 泛 的 实 验 表 明 ， 我 们 的 H y b r i d T M 架 构 在 多 种 室 内 及 室 外 数 据 集 上 展 示 了 其 有 效 性 和 泛 化 能 力 。 此 外 ， 在 S c a n N e t 、 S c a n N e t 2 0 0 以 及 n u S c e n e s 等 基 准 测 试 中 ， H y b r i d T M 也 取 得 了 当 前 最 先 进 的 性 能 表 现 。 相 关 代 码 将 在 以 下 链 接 提 供 ： [ 此 处 插 入 具 体 U R L ] 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 7 5 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 7 5 . p d f R e a d A l l P o s t e r M a t e : A u d i e n c e d r i v e n C o l l a b o r a t i v e P e r s o n a A g e n t s f o r P o s t e r D e s i g n 2 0 2 5 0 7 2 4 1 6 : 4 6 : 2 5 D o n g h o o n S h i n , D a n i e l L e e , G a r y H s i e h , G r o m i t Y e u k Y i n C h a n • a r X i v _ A I • • a r X i v _ A I A c t i o n A g e n t A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t P o s t e r d e s i g n i n g c a n b e n e f i t f r o m s y n c h r o n o u s f e e d b a c k f r o m t a r g e t a u d i e n c e s . H o w e v e r , g a t h e r i n g a u d i e n c e s w i t h d i v e r s e p e r s p e c t i v e s a n d r e c o n c i l i n g t h e m o n d e s i g n e d i t s c a n b e c h a l l e n g i n g . R e c e n t g e n e r a t i v e A I m o d e l s p r e s e n t o p p o r t u n i t i e s t o s i m u l a t e h u m a n l i k e i n t e r a c t i o n s , b u t i t i s u n c l e a r h o w t h e y m a y b e u s e d f o r f e e d b a c k p r o c e s s e s i n d e s i g n . W e i n t r o d u c e P o s t e r M a t e , a p o s t e r d e s i g n a s s i s t a n t t h a t f a c i l i t a t e s c o l l a b o r a t i o n b y c r e a t i n g a u d i e n c e d r i v e n p e r s o n a a g e n t s c o n s t r u c t e d f r o m m a r k e t i n g d o c u m e n t s . P o s t e r M a t e g a t h e r s f e e d b a c k f r o m e a c h p e r s o n a a g e n t r e g a r d i n g p o s t e r c o m p o n e n t s , a n d s t i m u l a t e s d i s c u s s i o n w i t h t h e h e l p o f a m o d e r a t o r t o r e a c h a c o n c l u s i o n . T h e s e a g r e e d u p o n e d i t s c a n t h e n b e d i r e c t l y i n t e g r a t e d i n t o t h e p o s t e r d e s i g n . T h r o u g h o u r u s e r s t u d y ( N = 1 2 ) , w e i d e n t i f i e d t h e p o t e n t i a l o f P o s t e r M a t e t o c a p t u r e o v e r l o o k e d v i e w p o i n t s , w h i l e s e r v i n g a s a n e f f e c t i v e p r o t o t y p i n g t o o l . A d d i t i o n a l l y , o u r c o n t r o l l e d o n l i n e e v a l u a t i o n ( N = 1 0 0 ) r e v e a l e d t h a t t h e f e e d b a c k f r o m a n i n d i v i d u a l p e r s o n a a g e n t i s a p p r o p r i a t e g i v e n i t s p e r s o n a i d e n t i t y , a n d t h e d i s c u s s i o n e f f e c t i v e l y s y n t h e s i z e s t h e d i f f e r e n t p e r s o n a a g e n t s p e r s p e c t i v e s . A b s t r a c t ( t r a n s l a t e d ) 海 报 设 计 可 以 从 目 标 受 众 的 同 步 反 馈 中 受 益 。 然 而 ， 聚 集 具 有 不 同 视 角 的 目 标 受 众 并 就 设 计 修 改 达 成 一 致 可 能 会 很 具 挑 战 性 。 最 近 的 生 成 式 A I 模 型 提 供 了 模 拟 类 似 人 类 互 动 的 机 会 ， 但 尚 不 清 楚 这 些 技 术 如 何 应 用 于 设 计 反 馈 过 程 。 我 们 介 绍 了 一 款 名 为 P o s t e r M a t e 的 海 报 设 计 助 手 ， 它 通 过 从 市 场 营 销 文 档 构 建 目 标 受 众 驱 动 的 人 物 代 理 来 促 进 协 作 。 P o s t e r M a t e 收 集 每 个 人 物 代 理 对 海 报 各 组 成 部 分 的 意 见 ， 并 借 助 调 解 人 的 帮 助 进 行 讨 论 以 达 成 一 致 意 见 。 然 后 可 以 将 这 些 同 意 的 修 改 直 接 整 合 到 海 报 设 计 中 。 通 过 我 们 的 用 户 研 究 （ N = 1 2 ） ， 我 们 发 现 P o s t e r M a t e 能 够 捕 捉 到 被 忽 视 的 观 点 ， 同 时 作 为 一 个 有 效 的 原 型 工 具 发 挥 作 用 。 此 外 ， 我 们 在 一 个 受 控 在 线 评 估 （ N = 1 0 0 ） 中 发 现 ， 来 自 单 一 个 人 物 代 理 的 反 馈 与 其 人 物 身 份 相 符 ， 讨 论 过 程 有 效 地 综 合 了 不 同 人 物 代 理 的 不 同 视 角 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 7 2 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 7 2 . p d f R e a d A l l H y b r i d T o k e n i z a t i o n S t r a t e g y f o r D N A L a n g u a g e M o d e l u s i n g B y t e P a i r E n c o d i n g a n d K M E R M e t h o d s 2 0 2 5 0 7 2 4 1 6 : 4 5 : 2 3 G a n e s h S a p k o t a , M d H a s i b u r R a h m a n • a r X i v _ C L • • a r X i v _ C L F a c e P r e d i c t i o n L a n g u a g e _ M o d e l B e r t P o s e A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t T h i s p a p e r p r e s e n t s a n o v e l h y b r i d t o k e n i z a t i o n s t r a t e g y t h a t e n h a n c e s t h e p e r f o r m a n c e o f D N A L a n g u a g e M o d e l s ( D L M s ) b y c o m b i n i n g 6 m e r t o k e n i z a t i o n w i t h B y t e P a i r E n c o d i n g ( B P E 6 0 0 ) . T r a d i t i o n a l k m e r t o k e n i z a t i o n i s e f f e c t i v e a t c a p t u r i n g l o c a l D N A s e q u e n c e s t r u c t u r e s b u t o f t e n f a c e s c h a l l e n g e s , i n c l u d i n g u n e v e n t o k e n d i s t r i b u t i o n a n d a l i m i t e d u n d e r s t a n d i n g o f g l o b a l s e q u e n c e c o n t e x t . T o a d d r e s s t h e s e l i m i t a t i o n s , w e p r o p o s e m e r g i n g u n i q u e 6 m e r t o k e n s w i t h o p t i m a l l y s e l e c t e d B P E t o k e n s g e n e r a t e d t h r o u g h 6 0 0 B P E c y c l e s . T h i s h y b r i d a p p r o a c h e n s u r e s a b a l a n c e d a n d c o n t e x t a w a r e v o c a b u l a r y , e n a b l i n g t h e m o d e l t o c a p t u r e b o t h s h o r t a n d l o n g p a t t e r n s w i t h i n D N A s e q u e n c e s s i m u l t a n e o u s l y . A f o u n d a t i o n a l D L M t r a i n e d o n t h i s h y b r i d v o c a b u l a r y w a s e v a l u a t e d u s i n g n e x t k m e r p r e d i c t i o n a s a f i n e t u n i n g t a s k , d e m o n s t r a t i n g s i g n i f i c a n t l y i m p r o v e d p e r f o r m a n c e . T h e m o d e l a c h i e v e d p r e d i c t i o n a c c u r a c i e s o f 1 0 . 7 8 % f o r 3 m e r s , 1 0 . 1 % f o r 4 m e r s , a n d 4 . 1 2 % f o r 5 m e r s , o u t p e r f o r m i n g s t a t e o f t h e a r t m o d e l s s u c h a s N T , D N A B E R T 2 , a n d G R O V E R . T h e s e r e s u l t s h i g h l i g h t t h e a b i l i t y o f t h e h y b r i d t o k e n i z a t i o n s t r a t e g y t o p r e s e r v e b o t h t h e l o c a l s e q u e n c e s t r u c t u r e a n d g l o b a l c o n t e x t u a l i n f o r m a t i o n i n D N A m o d e l i n g . T h i s w o r k u n d e r s c o r e s t h e i m p o r t a n c e o f a d v a n c e d t o k e n i z a t i o n m e t h o d s i n g e n o m i c l a n g u a g e m o d e l i n g a n d l a y s a r o b u s t f o u n d a t i o n f o r f u t u r e a p p l i c a t i o n s i n d o w n s t r e a m D N A s e q u e n c e a n a l y s i s a n d b i o l o g i c a l r e s e a r c h . A b s t r a c t ( t r a n s l a t e d ) 本 文 提 出 了 一 种 新 颖 的 混 合 分 词 策 略 ， 通 过 结 合 6 m e r 分 词 和 基 于 6 0 0 次 迭 代 字 节 对 编 码 （ B P E 6 0 0 ） 来 提 升 D N A 语 言 模 型 （ D L M s ） 的 表 现 。 传 统 的 k m e r 分 词 方 法 在 捕 捉 局 部 D N A 序 列 结 构 方 面 非 常 有 效 ， 但 通 常 面 临 诸 如 令 牌 分 布 不 均 及 全 局 序 列 上 下 文 理 解 有 限 等 挑 战 。 为 了 解 决 这 些 问 题 ， 我 们 建 议 将 独 特 的 6 m e r 令 牌 与 通 过 6 0 0 次 B P E 迭 代 优 化 选 择 的 B P E 令 牌 合 并 使 用 。 这 种 混 合 方 法 确 保 了 词 汇 表 的 平 衡 和 上 下 文 感 知 性 ， 使 模 型 能 够 同 时 捕 捉 D N A 序 列 中 的 短 序 列 模 式 和 长 序 列 模 式 。 基 于 此 混 合 词 汇 表 训 练 的 基 础 D L M 使 用 下 一 个 k m e r 预 测 作 为 微 调 任 务 进 行 了 评 估 ， 并 显 示 出 显 著 改 进 的 表 现 。 该 模 型 在 3 m e r 、 4 m e r 和 5 m e r 上 的 预 测 准 确 性 分 别 达 到 了 1 0 . 7 8 % 、 1 0 . 1 % 和 4 . 1 2 % ， 超 越 了 最 新 的 N T 、 D N A B E R T 2 及 G R O V E R 等 模 型 的 性 能 。 这 些 结 果 突 显 了 混 合 分 词 策 略 能 够 在 D N A 建 模 中 同 时 保 留 局 部 序 列 结 构 与 全 局 上 下 文 信 息 的 能 力 。 这 项 工 作 强 调 了 在 基 因 组 语 言 建 模 中 采 用 先 进 的 分 词 方 法 的 重 要 性 ， 并 为 下 游 D N A 序 列 分 析 和 生 物 研 究 中 的 未 来 应 用 奠 定 了 坚 实 的 基 础 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 7 0 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 7 0 . p d f R e a d A l l A d v e r s a r i a l D i s t r i b u t i o n M a t c h i n g f o r D i f f u s i o n D i s t i l l a t i o n T o w a r d s E f f i c i e n t I m a g e a n d V i d e o S y n t h e s i s 2 0 2 5 0 7 2 4 1 6 : 4 5 : 0 5 Y a n z u o L u , Y u x i R e n , X i n X i a , S h a n c h u a n L i n , X i n g W a n g , X u e f e n g X i a o , A n d y J . M a , X i a o h u a X i e , J i a n H u a n g L a i • a r X i v _ C V • • a r X i v _ C V A d v e r s a r i a l P r e d i c t i o n T r a n s f o r m e r P o s e M a t c h i n g D i f f u s i o n A b s t r a c t A b s t r a c t ( t r a n s l a t e d ) U R L P D F A b s t r a c t D i s t r i b u t i o n M a t c h i n g D i s t i l l a t i o n ( D M D ) i s a p r o m i s i n g s c o r e d i s t i l l a t i o n t e c h n i q u e t h a t c o m p r e s s e s p r e t r a i n e d t e a c h e r d i f f u s i o n m o d e l s i n t o e f f i c i e n t o n e s t e p o r m u l t i s t e p s t u d e n t g e n e r a t o r s . N e v e r t h e l e s s , i t s r e l i a n c e o n t h e r e v e r s e K u l l b a c k L e i b l e r ( K L ) d i v e r g e n c e m i n i m i z a t i o n p o t e n t i a l l y i n d u c e s m o d e c o l l a p s e ( o r m o d e s e e k i n g ) i n c e r t a i n a p p l i c a t i o n s . T o c i r c u m v e n t t h i s i n h e r e n t d r a w b a c k , w e p r o p o s e A d v e r s a r i a l D i s t r i b u t i o n M a t c h i n g ( A D M ) , a n o v e l f r a m e w o r k t h a t l e v e r a g e s d i f f u s i o n b a s e d d i s c r i m i n a t o r s t o a l i g n t h e l a t e n t p r e d i c t i o n s b e t w e e n r e a l a n d f a k e s c o r e e s t i m a t o r s f o r s c o r e d i s t i l l a t i o n i n a n a d v e r s a r i a l m a n n e r . I n t h e c o n t e x t o f e x t r e m e l y c h a l l e n g i n g o n e s t e p d i s t i l l a t i o n , w e f u r t h e r i m p r o v e t h e p r e t r a i n e d g e n e r a t o r b y a d v e r s a r i a l d i s t i l l a t i o n w i t h h y b r i d d i s c r i m i n a t o r s i n b o t h l a t e n t a n d p i x e l s p a c e s . D i f f e r e n t f r o m t h e m e a n s q u a r e d e r r o r u s e d i n D M D 2 p r e t r a i n i n g , o u r m e t h o d i n c o r p o r a t e s t h e d i s t r i b u t i o n a l l o s s o n O D E p a i r s c o l l e c t e d f r o m t h e t e a c h e r m o d e l , a n d t h u s p r o v i d i n g a b e t t e r i n i t i a l i z a t i o n f o r s c o r e d i s t i l l a t i o n f i n e t u n i n g i n t h e n e x t s t a g e . B y c o m b i n i n g t h e a d v e r s a r i a l d i s t i l l a t i o n p r e t r a i n i n g w i t h A D M f i n e t u n i n g i n t o a u n i f i e d p i p e l i n e t e r m e d D M D X , o u r p r o p o s e d m e t h o d a c h i e v e s s u p e r i o r o n e s t e p p e r f o r m a n c e o n S D X L c o m p a r e d t o D M D 2 w h i l e c o n s u m i n g l e s s G P U t i m e . A d d i t i o n a l e x p e r i m e n t s t h a t a p p l y m u l t i s t e p A D M d i s t i l l a t i o n o n S D 3 M e d i u m , S D 3 . 5 L a r g e , a n d C o g V i d e o X s e t a n e w b e n c h m a r k t o w a r d s e f f i c i e n t i m a g e a n d v i d e o s y n t h e s i s . A b s t r a c t ( t r a n s l a t e d ) 分 布 匹 配 蒸 馏 （ D M D ） 是 一 种 有 前 景 的 评 分 蒸 馏 技 术 ， 它 可 以 将 预 训 练 的 教 师 扩 散 模 型 压 缩 成 高 效 的 一 步 或 多 步 学 生 生 成 器 。 然 而 ， 其 依 赖 于 反 向 K u l l b a c k L e i b l e r ( K L ) 散 度 最 小 化 ， 在 某 些 应 用 中 可 能 会 导 致 模 式 崩 溃 （ 或 寻 求 单 一 模 式 ） 。 为 了 解 决 这 一 固 有 的 缺 点 ， 我 们 提 出 了 一 种 新 的 框 架 — — 对 抗 分 布 匹 配 （ A D M ） ， 该 框 架 利 用 基 于 扩 散 的 判 别 器 来 对 真 实 和 虚 假 评 分 估 计 之 间 的 潜 在 预 测 进 行 对 齐 ， 从 而 以 对 抗 方 式 来 进 行 评 分 蒸 馏 。 在 极 其 具 有 挑 战 性 的 一 步 蒸 馏 场 景 下 ， 通 过 使 用 混 合 判 别 器 在 潜 在 空 间 和 像 素 空 间 中 进 行 对 抗 蒸 馏 进 一 步 改 善 预 训 练 生 成 器 。 与 D M D 2 预 训 练 中 使 用 的 均 方 误 差 不 同 ， 我 们 的 方 法 结 合 了 从 教 师 模 型 收 集 的 O D E 对 上 的 分 布 损 失 ， 从 而 为 下 一 阶 段 的 评 分 蒸 馏 微 调 提 供 更 好 的 初 始 化 。 通 过 将 对 抗 蒸 馏 预 训 练 与 A D M 微 调 结 合 起 来 形 成 一 个 统 一 的 工 作 流 程 — — 称 为 D M D X ， 我 们 提 出 的 方 法 在 S D X L 上 达 到 了 优 于 D M D 2 的 一 步 性 能 ， 并 且 消 耗 更 少 的 G P U 时 间 。 此 外 ， 在 S D 3 M e d i u m 、 S D 3 . 5 L a r g e 和 C o g V i d e o X 上 的 多 步 骤 A D M 蒸 馏 实 验 设 置 了 一 个 新 的 基 准 ， 旨 在 实 现 高 效 图 像 和 视 频 合 成 。 简 而 言 之 ， 对 抗 分 布 匹 配 （ A D M ） 通 过 引 入 基 于 扩 散 的 判 别 器 来 改 进 现 有 的 D M D 技 术 ， 从 而 解 决 了 模 式 崩 溃 的 问 题 ， 并 通 过 混 合 空 间 中 的 对 抗 训 练 进 一 步 提 高 了 生 成 模 型 的 质 量 。 我 们 的 方 法 不 仅 在 单 步 蒸 馏 中 表 现 出 色 ， 还 在 多 步 骤 蒸 馏 应 用 中 设 立 了 新 的 基 准 ， 展 示 了 其 在 高 效 图 像 和 视 频 合 成 方 面 的 潜 力 。 U R L h t t p s : / / a r x i v . o r g / a b s / 2 5 0 7 . 1 8 5 6 9 P D F C o p y h t t p s : / / a r x i v . o r g / p d f / 2 5 0 7 . 1 8 5 6 9 . p d f R e a d A l l 1 6 3 3 4 T a g s 3 D A c t i o n A c t i o n _ L o c a l i z a t i o n A c t i o n _ R e c o g n i t i o n A c t i v i t y A d v e r s a r i a l A g e n t A t t e n t i o n A u t o n o m o u s B e r t B o u n d a r y _ D e t e c t i o n C a p t i o n C h a t C l a s s i f i c a t i o n C N N C o m p r e s s i v e _ S e n s i n g C o n t o u r C o n t r a s t i v e _ L e a r n i n g D e e p _ L e a r n i n g D e n o i s i n g D e t e c t i o n D i a l o g D i f f u s i o n D r o n e D y n a m i c _ M e m o r y _ N e t w o r k E d g e _ D e t e c t i o n E m b e d d i n g E m b o d i e d E m o t i o n E n h a n c e m e n t F a c e F a c e _ D e t e c t i o n F a c e _ R e c o g n i t i o n F a c i a l _ L a n d m a r k F e w S h o t G a i t _ R e c o g n i t i o n G A N G a z e _ E s t i m a t i o n G e s t u r e G r a d i e n t _ D e s c e n t H a n d w r i t i n g H u m a n _ P a r s i n g I m a g e _ C a p t i o n I m a g e _ C l a s s i f i c a t i o n I m a g e _ C o m p r e s s i o n I m a g e _ E n h a n c e m e n t I m a g e _ G e n e r a t i o n I m a g e _ M a t t i n g I m a g e _ R e t r i e v a l I n f e r e n c e I n p a i n t i n g I n t e l l i g e n t _ C h i p K n o w l e d g e K n o w l e d g e _ G r a p h L a n g u a g e _ M o d e l L L M M a t c h i n g M e d i c a l M e m o r y _ N e t w o r k s M u l t i _ M o d a l M u l t i _ T a s k N A S N M T O b j e c t _ D e t e c t i o n O b j e c t _ T r a c k i n g O C R O n t o l o g y O p t i c a l _ C h a r a c t e r O p t i c a l _ F l o w O p t i m i z a t i o n P e r s o n _ R e i d e n t i f i c a t i o n P o i n t _ C l o u d P o r t r a i t _ G e n e r a t i o n P o s e P o s e _ E s t i m a t i o n P r e d i c t i o n Q A Q u a n t i t a t i v e Q u a n t i t a t i v e _ F i n a n c e Q u a n t i z a t i o n R e i d e n t i f i c a t i o n R e c o g n i t i o n R e c o m m e n d a t i o n R e c o n s t r u c t i o n R e g u l a r i z a t i o n R e i n f o r c e m e n t _ L e a r n i n g R e l a t i o n R e l a t i o n _ E x t r a c t i o n R e p r e s e n a t i o n R e p r e s e n a t i o n _ L e a r n i n g R e s t o r a t i o n R e v i e w R N N R o b o t S a l i e n t S c e n e _ C l a s s i f i c a t i o n S c e n e _ G e n e r a t i o n S c e n e _ P a r s i n g S c e n e _ T e x t S e g m e n t a t i o n S e l f S u p e r v i s e d S e m a n t i c _ I n s t a n c e _ S e g m e n t a t i o n S e m a n t i c _ S e g m e n t a t i o n S e m i _ G l o b a l S e m i _ S u p e r v i s e d S e n c e _ g r a p h S e n t i m e n t S e n t i m e n t _ C l a s s i f i c a t i o n S k e t c h S L A M S p a r s e S p e e c h S p e e c h _ R e c o g n i t i o n S t y l e _ T r a n s f e r S u m m a r i z a t i o n S u p e r _ R e s o l u t i o n S u r v e i l l a n c e S u r v e y T e x t _ C l a s s i f i c a t i o n T e x t _ G e n e r a t i o n T i m e _ S e r i e s T r a c k i n g T r a n s f e r _ L e a r n i n g T r a n s f o r m e r U n s u p e r v i s e d V i d e o _ C a p t i o n V i d e o _ C l a s s i f i c a t i o n V i d e o _ I n d e x i n g V i d e o _ P r e d i c t i o n V i d e o _ R e t r i e v a l V i s u a l _ R e l a t i o n V Q A W e a k l y _ S u p e r v i s e d Z e r o S h o t R e c e n t P a p e r s C o n t a c t m e a t : 京 I C P 备 1 8 0 3 6 3 0 0 号 1
站点概括关于www.paperreading.club说明：
www.paperreading.club由网友主动性提交被整理收录的，仅提供www.paperreading.club的基础信息并免费向大众网友展示，www.paperreading.club的是IP地址：- 地址：-，www.paperreading.club的百度权重为0、百度手机权重为0、百度收录为0条、360收录为0条、搜狗收录为0条、谷歌收录为0条、百度来访流量大约在22~35之间、百度手机端来访流量大约在14~23之间、www.paperreading.club的备案号是-、备案人叫-、被百度收录的关键词有13个、手机端关键词有15个、该站点迄今为止已经创建未知。
内容声明：1、本站收录的内容来源于大数据收集，版权归原网站所有！
2、本站收录的内容若侵害到您的利益，请联系我们进行删除处理！
3、本站不接受违规信息，如您发现违规内容，请联系我们进行清除处理！
4、本文地址：https://www.xingzitai.com/apijkdh/b15b020ce64894052529.html，复制请保留版权链接！
网站收录技巧大全|快速提升百度收录的实用工具与优化方法 - TNT123
TNT123专业提供最新网站收录解决方案，涵盖百度主动推送工具、收录率诊断、sitemap生成等全流程服务。每日更新搜索引擎收录规则解读，分享快速收录实战案例，祝您解决网站不收录、收录慢等难题，免费提供收录状态实时查询工具。
Imou乐橙，杭州2022年亚运会官方供应商。乐橙成立于2015年，作为知名的消费物联网品牌，乐橙为数百万家庭和企业提供智能摄像机、智能门锁等其众多智能家居产品。构建了以家庭安防、智慧物联、家庭服务机器人、云业务为主的四大产品体系，为消费者提供全场景的家居智能解决方案。
该站暂未设置description...
湖北佳华汽车零部件有限公司
爱儿玛主题聚合全网热点知识,生活经验分享,家庭生活热点知识。
我司的产品广泛应用在：电力、石油、化工、煤炭、钢铁、航空、铁路、港口、供水等行业，只要有配电系统的企业和单位，都得到了广泛应用，公司集科研、生产、经营为一体，模拟屏可以实现实时显示、模拟操作等多种功能，实时监测现场设备的工作状态及参数。
东营网,东营地区最具知名度和影响力的门户网站。网站下设东营新闻,东营房产,东营汽车,东营视频等频道。权威媒体,东营门户
该站暂未设置description...
0
0
0
0