标签
本文介绍了Wave Function Backpropagation (WFB)，这是一种波参数化的学习公式，明确建模时间间隔以提升神经网络在轨迹预测中的性能，实现了平均位移误差高达20.4%的降低。
本文研究了对话时间动态（话轮对时序）作为一种轻量级模态，用于从双人临床访谈中自动检测抑郁。结果表明，一个紧凑的24维时序模块表现出色，并且在融合时能够补充标准的声学和语义特征。
本文形式化了LLM维基的流式知识编译，引入了一个重要性信号，用于在token预算下从流式语料库中主动固定重要文档。它证明了O(√(T log K))的遗憾界，并在金融和维基百科领域验证了该方法，表明遗憾分析是一种可靠的评估指标。
本文介绍了一种通过分析探针轨迹（即概念概率在生成token上的演变）来监控大型推理模型推理过程的方法。该方法利用隐藏表示中的时间特征和信号处理特征，更好地预测未来模型行为，通过最大池化达到了高达95%的AUROC。
提出针对脉冲神经网络的选择性对齐知识蒸馏（SeAl-KD），该方法通过均衡错误时间步上的竞争logits并基于置信度和时间步间相似性重新加权时间对齐，选择性地对齐类别级别和时间知识，在静态和神经形态数据集上相较于现有蒸馏方法实现了一致的改进。