标签
本文提出了一种针对政治辩论的联合论点和实体检测方法，采用仅解码器的LLM生成框架，以提升性能，优于顺序管道。
CoToGrasp是一个生成式框架，它使用标准工作空间来合成基于特定接触拓扑的多样化、稳定的抓握，实现零样本泛化，并在DexGraspNet数据集上超越了现有的规划器。
本文介绍了预测集合论，这是一种用于认知架构的形式化生成框架，它从集合论操作出发重构认知，并解决了预测加工和贝叶斯认知科学中的局限性。
本文提出了一种跨模态生成框架，利用跨模态注意力和膨胀卷积从胎儿-母亲心电图合成胎儿多普勒超声波形，提高了合成质量，并量化了母胎耦合的影响。
DiffoR 提出了一种利用扩散模型进行序数回归的新型连续生成框架，克服了离散方法的局限性。在12个基准数据集上的大量实验表明，该方法在四个领域均达到了最先进的性能。
本文提出了一种用于情感强度评估的生成式框架，将离散分类转变为0-100的连续评分。该框架在金融等领域展现了优越的性能和泛化能力。
ChangeFlow 提出了一种用于遥感变化检测的生成式框架，该框架利用纠正流在潜空间中合成变化掩码，通过基于采样的预测集成实现了更高的准确率和鲁棒性，在四个基准数据集上的平均F1分数达到80.4%。