- 基于人工智能技术的激光雷达图像边缘检测研究
基于人工智能技术的 LiDAR 图像边缘检测方法优于传统方法，在检测准确性和计算效率方面具有显著的实际应用价值。
- 在线营销中的深度提升建模基准测试
在线营销是许多工业平台和商业应用的关键，本文提出了一个用于深层提升建模技术的开放基准，并以可重复和统一的方式比较了现有模型的结果。结果显示，最新的工作在许多情况下与传统工作相比差异较小，并揭示了深层提升建模在泛化方面的局限性，特别是在不同的 - 纠缠关系：利用 NLI 和元分析增强生物医学关系提取
MetaEntail-RE 是一种基于自然语言推理原理的关系抽取增强方法，通过引入元类分析、可行性假设过滤和基于群体的预测选择等关键改进，取得了显著的性能提升，并且在生物医学和常规领域均具有广泛应用价值。
- LoByITFL：低通信安全和私密联邦学习
利用少量的代表性数据集、FLTrust 算法的适当转化以及在学习算法开始前仅使用可信第三方进行一次预处理阶段，我们介绍了 LoByITFL，这是第一个通信高效、信息论隐私保护和安全强固的联邦学习方案，它在隐私保证上并没有做出任何牺牲，同时确 - 面向扩散模型的黑盒成员推断攻击
通过黑盒成员推断攻击方法，在不需要访问模型的内部 U-net 的情况下，构建了一个 DALL-E 生成的数据集进行全面评估，实验结果优于以前的研究。
- 上下文化动态词汇的自动语音识别
通过使用动态词汇表中的短语级别偏置令牌，提出的方法改善了英语和日语数据集上偏置短语在端到端自动语音识别中的性能。
- 基于 CNN 的图像编码在人类视觉层进行后期处理
本文提出了一种将后处理方法整合到可伸缩编码方案中以提高解码图像质量的方法，并通过与传统方法的比较验证了其有效性。
- TFWT：具有 Transformer 的表格特征权重
本文提出了一种新颖的特征加权方法来解决现有的表格数据特征处理方法的局限性。通过采用 Transformer 捕捉复杂的特征依赖关系并为离散和连续特征分配适当的权重，再结合强化学习策略对权重进行微调，我们的 TFWT 方法在各种真实数据集和不 - DTMamba：时间序列预测的双孪蛇
利用 Mamba 模型对时间序列数据预测任务进行了实验，实验结果表明我们的模型表现良好。
- 成功的众包导航学习策略
教授自主移动机器人在人群中成功导航是一项具有挑战性的任务，该论文采用神经网络来学习机器人在现场的特定策略，以考虑人类行为和对真实机器人的反应，同时针对各种情景学习相应策略，并对方法、实验结果进行了定量评估。
- 基于证据融合的半监督医学图像分割的不确定性感知学习
通过在混合和原始样本的跨区域整合证据预测结果，重分配每个体素的置信度和不确定度度量，结合信息熵设计了体素级渐进学习策略以更加准确地估计体素的预测结果。实验结果表明，我们提出的方法在 LA、胰腺 CT、ACDC 和 TBAD 数据集上相对于现 - CVPR视觉 Transformer 的实例感知组量化
后训练量化（PTQ）是一种高效的模型压缩技术，它使用一个小的校准样本集对预训练的全精度模型进行量化，而无需重新训练。我们提出了一种针对视觉变换器（ViTs）的实例感知分组量化技术（IGQ-ViT），它动态地将激活图的通道分割为多个组，以使每 - MMCert：多模态模型的可证明防御机制抵御对抗攻击
提出了 MMCert，这是对多模态模型实施机器学习攻击的第一个认证防御方法，并通过实验结果显示其优于现有认证方法。
- $H$- 一致性保证用于回归
我们对回归的 H 一致性界限进行了详细研究，提出了适用于回归的 H 一致性界限的新定理，并针对对称分布和有界假设集的平方损失函数的代理损失函数证明了一系列新的 H 一致性界限，包括 Huber 损失、所有的 lp 损失 (p≥1)、平方 ε - 电子商务中的互补推荐：定义、方法和未来方向
本研究对近年来电子商务领域中互补推荐进行了广泛的综述和比较，包括模型互补关系的数据和方法、互补推荐的研究问题以及实验结果的比较分析，并提供了对该领域未来研究方向的讨论，从而为该领域的进展做出了贡献。
- 利用全局、局部身体部位和头部流增强长期个体重新识别
本文提出了一个新的框架，有效地学习和利用全局信息和局部信息，解决了长期人物再识别中衣物变换和衣物一致情况的限制，并通过生成伪标签和训练身体部位分割模型来提取身体部位特征，实验证明了该方法优于现有的最先进方法。
- 对话中的推理：通过大型语言模型的模拟解决主观任务
通过对话模拟，我们提出了 RiC (Reasoning in Conversation) 方法，用于解决主观任务，并提供了实验证明 RiC 可以显著改善大型语言模型在此类任务中的表现。
- 图像恢复的扩散后验近端采样
本文介绍了一种通过扩展扩散模型进行图像修复的新方法，该方法利用生成过程中与测量身份一致的样本，并结合测量信号与初始化信息来提高生成过程的效果。实验证明了该方法在不同的图像修复任务中的有效性。
- 嵌入攻击项目（工作报告）
Embedding Attack Project 的 MIA 实验结果总结，包括威胁模型、实验设置、实验结果、发现和讨论。当前结果涵盖了对 6 个 AI 模型的两种主要 MIA 策略（基于损失和基于嵌入）的评估，涵盖了从计算机视觉到语言建模 - 封闭源语言模型的知识蒸馏
在这篇论文中，我们提出了一种基于贝叶斯估计框架的方法，通过估计闭源语言模型的输出分布来执行传统的知识蒸馏，实验结果表明我们的方法超过了直接在闭源语言模型生成数据上微调的当前模型的性能。