- MASAI: 软件工程 AI 代理的模块化架构
我们提出了一种名为 MASAI 的软件工程人工智能模块化架构，该架构利用分解问题为多个子问题的方法，通过实例化具有明确定义的目标和策略的 LLM 驱动的子代理来解决复杂问题，并在高难度的 SWE-bench Lite 数据集上实现了最高性能 - 多智能体实验者 (MAX)
我们提出了一种名为 Multi-Agent eXperimenter (MAX) 的新型多代理模拟器，旨在模拟涉及大量不同类型代理在一个或多个环境中行动的区块链实验。MAX 的体系结构高度模块化，可以方便地添加新模型。
- 一个模块化自主驾驶架构的分析：CARLA Leaderboard 2.0 挑战中的顶级提交
我们介绍了 Kyber-E2E 的架构，该架构在 CARLA Leaderboard 2.0 自主驾驶挑战 2023 的 map track 中获得了第一名。我们采用了模块化架构，包括感知、定位、认知、追踪 / 预测和规划 / 控制五个主要 - DiPaCo: 分布式路径组合
通过共享模块的路径分布计算，结合降低通信的优化算法，在机器学习领域提出了一种模块化架构和训练方法，称为 DIstributed PAth COmposition (DiPaCo)，该方法在训练过程中实现对集群中性能差异较大且网络质量较差的机 - AST-2：单层和双层的二维声波柔性触觉皮肤
通过利用声学信道和分析振幅调制实现各种触觉特征的精确估计，本研究提出了一种创新的、成本效益高的声学软触觉皮肤设计，成功应对了触觉特征估计的挑战，并在机器人应用中展示出了其实际和成本效益高的解决方案。
- 自动网络威胁溯源的模块化方法
提出了一种模块化架构作为当前整体自动化方法的一种替代方案，这种解决方案可以利用意见库来组合各种属性者的输出，以增加威胁归因问题的可追踪性，并提供更高的可用性和可解释性。此外，通过实验证明，模块化方法不会导致性能下降，甚至可以提高精度和召回率 - Lumos：具有统一数据、模块化设计和开源 LLMs 的学习代理
引入 Lumos 是一个新颖的框架，用于训练语言代理，它采用统一的数据格式和基于开源大规模语言模型（LLMs）的模块化架构。Lumos 包括规划、基础和执行三个不同的模块，通过高质量的子目标和动作的注释进行训练，实现了与当前的最先进代理相当 - 组块化优先于不变性的组合鲁棒性
在视觉空间具有组合性的事实的基础上，通过提出模块化体系结构，使得在给定一些元语变之后，模型可以推广到这些元语变的组合中，以实现组合稳健性。
- 可重复使用的分时机制
本研究提出了 RSM，一种采用可重复组件、学习场景的 “槽位式” 表示和动态选择机制的模块化架构，其可以很好地处理场景中不同对象之间的相互作用，可以应用于多种下一步预测任务中，并且在 Atari 2600 游戏中表现出色。
- ICML面向分布感知的自主驾驶安全目标预测和符合模型规划
本文提出了一种基于模块化架构的学车任务分解方法，在障碍感知、目标预测和规划方面均取得了优秀的方法，并在 CARLA 模拟器上实现了最新的优秀结果。
- X$^2$-VLM：图像和语言任务的多功能预训练模型
这篇论文提出了一种名为 multi-grained vision language pre-training 的视觉语言联合预训练方法，它可以在多个粒度上学习视觉语言对齐。该论文还提出了一个名为 X$^2$-VLM 的预训练模型，它采用了模 - CS-Insights：一种分析计算机科学研究的系统
CS-Insights 是一款交互式网络应用程序，可通过多个角度分析 DBLP 中的计算机科学出版物，用户可以通过专用的界面识别研究活动趋势、作者和会议的统计数据、感兴趣的话题以及计算机科学研究对其他领域的影响。CS-Insights 是公 - SIERRA: 用于研究自动化和可重复性的模块化框架
SIERRA 是一种基于自主变量运行实验的框架，通过自动化实验生成、执行、及处理结果来加快研究开发并提高结果的可复制性，它采用模块化结构，可轻松定制和扩展，这有助于消除繁重的手工配置，提高研究的复现性。
- 反馈说话：使用块注意力反馈代码进行通信
本文介绍了一种深度学习为基础的信道编码设计框架，称为广义块注意力反馈（GBAF）编码，该编码可以显著改善反馈信道传输的误码率，可以在所需的码率下传输。
- FlexLip：一种可控的文本转唇型系统
本文中，我们提出了一个名为 FlexLip 的模块化、可控的文本生成唇形的系统，该系统分为两个模块：文本转语音和语音转唇形，并对其进行了深入的评估和测试，尤其是在新讲话者的快速适应方面进行了探究。
- ACL文本数据库推理
我们提出了一种模块化架构来支持处理数据库查询，并在 WikiNLDB 数据集上进行了评估，结果表明我们的方法可以扩展到包含数千个事实的数据库，并将整体答案准确率从 85％提高到 90％。
- ICLR利用模块化网络与任务驱动 先验知识实现高效连续学习
本文提出一种基于模块化架构和任务驱动的先验知识的学习算法，能够有效地处理长时间序列任务，且在常规连续学习基准测试上表现出了竞争优势。
- ACL组合式指令跟随的模块化网络
使用模块化架构实现自然语言指令跟随，每个子目标类型具有自己的模块，并且通过学习指令分割并为每个片段预测子目标类型来选择要执行的模块序列，使模型可以更好地泛化到未见过的子目标组合和环境中。
- 对象文件和模式：动态系统中声明性和过程性知识分解
该研究提出了一种基于对象状态和过程知识的模块化体系结构，使用注意力机制来管理不同对象的状态和更新规则，能够在视频游戏建模等领域具有更好的泛化性能。
- REL：基于巨人肩膀上的实体链接器
本文提出了一种名为 REL 的 Python 包和网络 API，它是一种具有模块化架构、使用最先进的自然语言处理研究的神经组件、不依赖外部来源、可轻松更新到较新的维基百科版本并具有最先进的性能的单一系统来填补现有工具的缺口。作者还在标准的实