近日，AAAI2024GlobalCompetitiononMathProblemSolvingandReasoning大赛落下帷幕，天翼云智能边缘事业部AI团队凭借在大模型基础能力研究领域的数据处理与模型训练策略的领先优势，在众多参赛队伍中脱颖而出，荣获本次竞赛冠军。 AAAI（AssociationfortheAdvancementofArtificialIntelligence）是人工智能领域的国际权威学术组织，其举办的会议和赛事聚集全球AI从业者，是展示最新人工智能研究成果的重要平台。数学推理长期以来被视为检验大模型能力的试金石。尽管当前的大语言模型（LLM）在语言能力方面已经取得了长
论文题目：RethinkingAttention:ExploringShallowFeed-ForwardNeuralNetworksasanAlternativetoAttentionLayersinTransformers论文链接： https://arxiv.org/abs/2311.10642代码仓库： GitHub-vulus98/Rethinking-attention:Myimplementationoftheoriginaltransformermodel(Vaswanietal.).I'veadditionallyincludedtheplayground.pyfilefor
自从ChatGPT发布后，各种基于大模型的产品也快速融入了普通人的生活中，但即便非AI从业者在使用过几次后也可以发现，大模型经常会胡编乱造，生成错误的事实。不过对于程序员来说，把GPT-4等大模型当作「代码辅助生成工具」来用的效果明显要比「事实检索工具」要好用很多，因为代码生成往往会涉及到复杂的逻辑分析等，所以也有人将这种推理（广义规划）能力归因于大型语言模型（LLM）的涌现。学术界也一直在就「LLM能否推理」这个问题争论不休。最近，计算机科学家、亚利桑那州立大学教授SubbaraoKambhampati（Rao）以「LLM真的能推理和规划吗？」（CanLLMsReallyReason&Pla
AAAI是国际顶级人工智能学术会议，属于CCFA类，在人工智能领域享有盛誉。今年的AAAI会议投稿量突破了历史记录，共有12100篇投稿（主赛道），最终录用2342篇，录用率为23.75%。对比前几年有了很大的提升：本次AAAI2024会议将于2024年2月20日至27日在加拿大温哥华会议中心举行。大家可以期待下~另外，为了帮同学们提前领略学术前沿趋势，了解大佬们的最新想法，我就先整理了一部分AAAI2024已录用论文来和大家分享，目前共有29篇，涉及图神经网络、时间序列、多模态、异常检测等热门研究方向。完整的论文录用清单也给整理啦。也欢迎中稿的同学在评论区分享~全部论文及录用清单看文末图神经
代码：https://github.com/AllminerLab/Code-for-KAERR-master摘要双向推荐系统（RRS）在线上相亲和求职招聘等在线平台中得到了广泛的应用。它们可以同时满足推荐过程中涉及的两方的需求。由于任务本身的特性，与其他推荐任务相比，交互数据相对稀疏。现有的工作主要通过基于内容的推荐方法来解决这个问题。然而，这些方法通常从统一的角度隐式地对文本信息进行建模，这使得捕捉每一方持有的不同意图变得具有挑战性，进一步导致性能有限和缺乏解释性。在本文中，我们提出了一个知识感知的可解释双向推荐系统（Knowledge-AwareExplainableReciprocal
原文链接：CSDN-脉冲神经网络（SNN）论文阅读（五）-----AAAI-2024时间步长逐渐收缩的SNNShrinkingYourTimeStep:TowardsLow-LatencyNeuromorphicObjectRecognitionwithSpikingNeuralNetworks目录论文信息主要贡献TimestepShrinkageEarlyClassifier完整的SSNN训练算法实验验证及对比目录论文信息论文地址arXiv版本（带有附录）地址由电子科技大学（左琳教授团队）研究人员发表于AAAI2024。主要贡献第一个具有异质性时间步长的SNN论文提出了ShrinkingSN
来源:AINLPer公众号（每日干货分享！！）编辑:ShuYini校稿:ShuYini时间:2023-12-22引言AAAI2024将在2024年2月22日召开，目前接受论文正不断的被公布出来。下面是作者整理的论文接受列表，因平台限制不能给出每篇论文的连接。如果有需要，欢迎关注AINLPer公众号回复：AAAI2024获取。论文接受列表1、EntropicOpen-setActiveLearning2、LearningHuman-likeRepresentationstoEnableLearningHumanValues3、UpperBoundingBarlowTwins:ANovelFilt
AAAI（AssociationfortheAdvancementofArtificialIntelligence）是国际人工智能领域最权威的学术组织之一，Fellow是该学会给予会员的最高荣誉，仅颁给对人工智能做出「非同寻常的卓越贡献者」，而且评价时间以十年计。由于其评判极其严格，历届AAAIFellow入选者均为人工智能领域公认的著名学者，每年严格限制入选人数，因此被誉为国际人工智能领域的名人堂。今日，AAAI公布了2024年度的Fellow评选结果，共12位学者入选，其中包括清华大学教授朱军。AAAI2024FellowAnimaAnandkumar加州理工学院、英伟达入选理由：对机器学
本文经自动驾驶之心公众号授权转载，转载请联系出处。近来在Arxiv读到一篇纯视觉环视感知的新工作，它延续了PETR系列方法，主要关注如何解决纯视觉感知的远距离目标检测问题，将感知范围扩大到150m。文章方法和结果有相当的借鉴意义，所以试着解读一下。原标题：Far3D:ExpandingtheHorizonforSurround-view3DObjectDetection论文链接：https://arxiv.org/abs/2308.09616作者单位：北京理工大学&旷视科技任务背景三维物体检测在理解自动驾驶的三维场景方面发挥着重要作用，其目的是对自车周围的物体进行精确定位和分类。纯视觉环视感知
前言 现有的语义分割工作主要集中在设计有效的解-码器上，然而，一直以来都忽略了这其中的计算成本。本文提出了一种专门用于语义分割的 Head-Free轻量级架构，称为AdaptiveFrequencyTransformer(AFFormer)。采用异构运算符（CNN和ViT）进行像素嵌入和原型表示，以进一步节省计算成本。由于语义分割对频率信息非常敏感，构建了一个具有复杂度O(n)的自适应频率滤波器的轻量级模块。在ADE20K和Cityscapes数据集上，AFFormer实现了比现有方法更高的精度和更低的参数量。Transformer、目标检测、语义分割交流群欢迎关注公众号CV技术指南，专注于
