- CVPRGeneCIS: 一种通用条件图像相似性基准评估
本文提出基于 GeneCIS 基准的零样本评估，旨在衡量模型适应一系列相似性条件的能力，并提出了一种基于现有图像 - 标题数据集自动获取信息的简单可扩展的解决方案，实验结果表明我们的模型在 GeneCIS 上表现出色，并进一步提高了相关图像 - UADB: 无监督异常检测增强器
本文提出一种通用的 UAD Booster 框架，利用神经网络作为模型辅助器并考虑模型间差异自动校正的方法，提高异构 UAD 模型的适应性和检测效果。
- 通过交互式基于语境的语言指导重新定义具有代表性的代理人能力，改变以人为中心的 AI 协作
本文介绍了一种交互式的 “体现代理” 系统，它具有适应性，能够有效地处理自然语言指令，并提供反馈。同时，还介绍了一种用于收集有关该系统的大量文本指令的众包工具，以及该系统具有学习能力的数据集和基线模型。
- 混合提示正则化无需训练分割任何异常
我们提出了一种新的框架 —— 任意异常分割 +（SAA +），通过混合提示正则化来改善现代基础模型的适应性，实现了零样本异常分割，包括 VisA、MVTec-AD、MTD 和 KSDD2 在内的多个异常分割基准测试表现优异。
- 可配置的时空分层分析用于灵活的视频异常检测
设计了一种基于空时分层结构的可配置网络体系结构，并利用具有不同能力的基于自编码器的块获得正常模式，通过不断叠加和连接这些块，学习了分层的正常模式，适应了不同的检测需求和各种复杂程度的异常时，通过在三个基准测试中进行实验，并进行了广泛分析，结 - 深度感知相似性在模糊环境下具有适应性
本文探讨使用神经网络的深度感知相似度度量方法在不同场景下的适应能力以及性能表现，并在采用六种图像畸变来定义不同场景的基础上对其进行评估。结果表明，在大多数情况下，使用预先训练的 CNN 中的深度特征进行训练可以高效地适应特定场景，并且性能表 - AAAI重新思考无数据量化作为零和博弈
本文通过博弈论的角度，提出了一种适应性样本生成方法，通过重新定义动态最大化与最小化过程，实现了对数据量化过程的优化。
- 自校准界面交互介绍
介绍了自校准接口范式，如何从经过预校准的接口逐步迈向自我校准的接口，以及在增加输入方式的复杂度的同时如何通过支持插图、互动演示和视频等方式提供直观易懂的示例。
- EMNLPConNER: 跨语言命名实体识别的一致性训练
通过提出 ConNER 一种新型一致性训练方法，习得一个对扰动和数据具有鲁棒性的模型，该方法通过对标注和未标注数据的翻译和丢失操作的表现进行一致性训练，提高了跨语言自适应性能，并在各种基线方法上取得了一致的改进效果。
- 使用功能面向对象网络进行知识检索
本文讨论了功能对象导向网络（FOON）的知识表示和符号任务规划能力，利用 FOON 和图检索方法生成操作动作序列以完成任务目标，从而减少人类日常任务所需的人力。
- 基于信任的人 - 智能体临时团队合作行为自适应
本文提出了一个框架，该框架将信任纳入人工智能团队合作的场景中，在这个场景下，一个智能体必须与人类合作完成任务。在任务过程中，智能体需要通过互动和观察来推断人类对其的信任程度，并调整自己的行为以最大化团队的表现。为了实现这一目标，我们建议从人 - 广义强化学习：经验粒子、动作算子、强化场、记忆关联和决策概念
本文通过建立基于贝叶斯框架的泛化强化学习框架，引入参数动作模型和加强型场的概念，在 RL 策略搜索中追加高级决策概念，并使用加强型场作为补助带有度量的元记忆库，以建立和增强学习代理的演化世界模型。
- 塑料人工神经网络综述：探索神经结构搜索和不断学习之间的交汇点
这篇论文是第一篇广泛的综述文章，阐述了人工神经网络、持续学习和自动机器学习之间的交叉领域，并提出了各种方法以促进完全自动化和神经网络的终身可塑性。
- 需要就是一切：稳态神经网络适应概念漂移
介绍一种具有自我调节能力的人工神经网络，利用其对内部状态的自我监控和调节来提高其在概念转移和高变化环境下的适应性。
- EMNLPTemporalWiki：面向训练与评估不断进化语言模型的终身基准
通过使用连续快照之间的差异作为训练和评估数据，我们介绍了一个终身学习基准测试 ——TemporalWiki，旨在评估语言模型在频繁更新的知识库，如维基百科，中获取和保留知识的能力，并发现通过继续学习方法使用 diff 数据进行训练可以通过少 - 一种无需词汇表的多语言神经标记器，用于端到端任务学习
本文提出了一种无需词汇表的神经分词器，通过处理多语言语料库中的独特单词来预训练基于字符的分词器，从而广泛增加语言间的单词多样性，进而克服了子词分词存在的一些问题，如无法进行端到端任务学习，适应性不足，以及在低资源语言中表现欠佳等，实验证明该 - ICLR模块化软体机器人的体内脉冲神经细胞自动机集体控制
本文提出了一种新的集体控制方法，基于神经元元自动机和生物启发的脉冲神经网络，用于 Voxel-based Soft Robots 的运动控制，实现了对环境变化的适应性。
- AI 增强的业务流程管理系统：一份研究宣言
本研究提出了 AI-Augmented Business Process Management Systems (ABPMSs) 的概念，并讨论了需要克服的研究挑战，以实现提高业务流程执行的可适应性、主动性、可解释性和上下文敏感性的目标。
- ICMLDynaMixer：一种具有动态混合的视觉 MLP 架构
本文提出了一个称为 Dyn Mixer 的高效 MLP-like 深度学习网络结构，用于动态信息融合，并且通过一个过程生成融合矩阵，以应对 tokens 的内容，并通过采用降维技术和多段融合机制来减少时间复杂度和提高鲁棒性。Dyn Mixe - 基于能量的连续学习模型
本文介绍了基于能量的模型（EBMs）作为处理连续学习问题的一种有前途的模型，通过改变底层训练目标以避免对先前学习信息的干扰，提出了简单、高效且性能优良的 EBMs 版本，从多个基准测试中的表现来看，超越了基准方法。此外，本文还提出了基于对比