neural-network

MeshWeaver 提出了一种自回归网格生成框架，它使用多级稀疏体素编码器直接预测顶点，为高多边形网格实现了最先进的压缩率和几何保真度。

提出了摊销因子推理网络（AFINs），这是一类编码-合并-解码推理网络，能够泛化到不同的先验、似然和维度，在计算量少得多的条件下实现与NUTS相当的后验精度。

Thermocompute 是一个用于热力学概率计算的 PyTorch 仿真器，通过利用并行的热力学底层，使神经网络层能够实现恒定的建模物理时间推理，并立即提供可用于 GPU 的随机层。

AutoMCU是一个利用LLM的多智能体系统，可自动为微控制器单元设计神经网络，在确保硬件约束可行性的同时显著缩短定制时间。

VirtualPC 是一个开源8位计算机模拟器，能够从汇编代码训练小型神经网络，在裸机层面展示机器学习。

一个基于网页的工具，可实时可视化神经网络（使用PPO算法）学习玩贪吃蛇，支持可配置参数和3D渲染。

本文介绍了一种神经网络架构，该架构从完全观测到的状态轨迹中学习提升动作模式，其中动作参数未观测，旨在实现神经符号模型规划域的鲁棒学习。

一种使用三值权重（-1、0、1）的高效 AI 模型架构，仅需 1.58 比特/参数即可实现具有竞争力的性能，可部署在极度受限的设备上。

FramePack是一种神经网络结构，它压缩输入帧，使得Transformer上下文长度固定，不受视频长度影响，从而使视频扩散模型能够处理大量帧，计算瓶颈类似于图像扩散，并提高了批量大小。它还引入了一种抗漂移采样方法，以减少曝光偏差。