标签
本文介绍了PermuFormer，一种针对代数组合学中置换相关任务，在多任务、多编码数据上进行预训练的自回归transformer。实验表明，与基线方法相比，该模型能有效进行下游任务的微调。
Hapi是一种U-Net Swin Transformer，可在大陆尺度提供中期水文预测，在美国本土的洪水检测中优于基于物理的模型和AI模型。
AstroForge 正在开发一个名为 'Solo' 的自主AI模型来控制其航天器，以减少对地面操作员的需求。该公司计划在2027年的一次任务中测试这项技术。
本文介绍了 Modality Discrepancy Transformer (MDT)，一种新型多模态融合框架，它增强了跨模态差异建模，用于在临床视频中识别矛盾与犹豫，在 BAH 数据集上优于基线方法。
本文提出了一种使用Transformer-enhanced neural operator (TNO)的透平机械全景气动性能预测框架，该框架首先预测温度、压力等基本物理量，然后估计关键性能参数，显著降低了计算成本，同时保持了准确性。
本文介绍了FlowTSFM，一种基于编码器的时间序列基础模型，它将深度解释为循环分位数传输，与Chronos-2等基线模型相比，使用更少的参数实现了具有竞争力的准确性。
这篇文章推广了PyTorch Conference North America，重点介绍了来自UBS的Witold Czubala的一个会议，他讨论了使用基于PyTorch的Transformer模型从纵向电子邮件数据中进行财富管理的时间至事件预测。
论文提出了一个集成框架，用于使用双侧GRF和COP信号进行多类步态障碍分类，结合3D可视化和可解释AI，实现了高准确率。
本文提出了C3T，一个线程结构的时序模型，用于使用反事实因果推理预测社交媒体对话树中的情感变化，并介绍了用于因果情感推理的CaSiRe数据集。
从头训练了一个小型Transformer模型，仅花费0.67美元就在ARC-AGI-1基准测试上实现了44%的准确率，在速度、准确性和成本效益方面均优于先前方法。
本文提出使用 AstroPT（一个在星系图像上训练的 transformer）作为研究训练中概念涌现的测试平台，发现星系属性以固定的难度顺序涌现，这可以为大型语言模型的机制可解释性方法提供参考。
本文介绍了一种两阶段Transformer框架，用于利用家用呼吸机原始波形数据预测COPD急性加重的风险和时机，并展示了相比基线模型的性能提升。
本文研究使用TabPFN模型的上下文学习，基于建成环境特征预测行动不便老年人的感知邻里步行性，性能优于基线模型，并采用SHAP-IQ进行交互分析。