标签
提出 LLMMAD，一种基于大语言模型的自回归多模态异常检测框架，用于微服务系统，通过模态专属重建头与预测驱动目标解决跨模态融合和身份捷径问题，并在三个真实数据集上取得最优 F1 提升。
本文将室内无线电地图估计表述为协同上下文学习问题，并提出了 Poly-Ripple 框架。在该框架中，多个客户端无需更新模型，即可使用大型自回归视觉模型，通过波纹顺序自回归建模和重要性感知聚合，实现优于上下文学习（ICL）基线的性能。
ECHO通过自递归（Self-Recursion）和动态深度采样（Dynamic Depth Sampling）将多步预测直接集成到骨干网络中，从而提升预训练效率，并使模型无需辅助MTP模块即可充当自身的推理草稿模型。
本文提出 CQG-Single 与 CQG-AR 两种连续查询范式，消除基于语义 ID 的生成式推荐中有限宽度束搜索带来的可达性约束，并在多个数据集上超越 TIGER 风格基线。
介绍了 RosettaSim，一种采用结构化自回归建模进行长期交通仿真的框架，在 Waymo Open Sim Agent Challenge 上取得了最先进的性能。同时提出了基于检索的交通评估（Retrieval-based Traffic Evaluation, RTE），用于更好地评估长时域保真度。
DREAM通过利用自回归语言模型的注意力来监督查询-文档相似度，从而训练密集检索嵌入，无需标注数据。在不同模型规模下，它在BEIR和RTEB基准测试上始终优于基线。
使用特权信息蒸馏的离散自回归MRI重建，通过利用视觉自回归建模技术，在极端欠采样条件下实现了卓越的重建性能。