SLAM-VIO论文笔记第10页

TransFusion论文笔记

论文名称：TransFusion:RobustLiDAR-CameraFusionfor3DObjectDetectionwithTransformers论文链接：https://arxiv.org/pdf/2203.11496v1.pdf代码链接：https://github.com/xuyangbai/transfusion1引言图1如图1所示，左图是照明较差的例子，右图是由于点云的稀疏性，使

高分锻炼队友·2023-10-04 15:02

【论文笔记】检索还是生成回复？RAG：我都要

目录引言模型结构第一部分：Retriever第二部分：Generator实验结果结果分析总结引言在问答和对话的场景下，通常可以通过检索和生成两种方式得到一个回复。检索式回复是在外部知识库中检索出满意的回复，较为可靠和可控，但回复缺乏多样性；而生成式回复则依赖于强大的语言模型中储存的内部知识，不可控，解释性差，但能生成更丰富的回复。把检索和生成结合起来，FacebookAIresearch联合UCL

iLuz·2023-10-04 13:50

[论文笔记]BitFit

引言今天带来一篇参数高效微调的论文笔记，论文题目为基于Transformer掩码语言模型简单高效的参数微调。BitFit，一种稀疏的微调方法，仅修改模型的偏置项(或它们的子集)。

愤怒的可乐·2023-10-04 05:17

《UNILMv2: Pseudo-Masked Language Models for Unified Language Model Pre-Training》论文笔记

UniLMsUniLMs由《UnifiedLanguageModelPre-trainingforNaturalLanguageUnderstandingandGeneration》（2019）提出，其核心是通过不同的注意力机制，在同一模型下进行UnidirectionalLanguageModel，BidirectionalLanguageModel，与SequencetoSequenceLan

凯子要面包·2023-10-04 01:26

【论文笔记】融合标签向量到BERT：对文本分类进行改进

论文简介：融合标签嵌入到BERT：对文本分类进行有效改进论文标题：FusingLabelEmbeddingintoBERT:AnEfficientImprovementforTextClassification论文链接：https://aclanthology.org/2021.findings-acl.152.pdf论文作者：{YijinXiongetc.}论文摘要随着BERT等预先训练模型获得

致Great·2023-10-04 01:26

论文笔记|Unified Language Model Pre-training for Natural Language Understanding and Generation

任@燕山大学论文来源代码地址前言预训练语言模型提高了NLP任务的技术水平。对不同类型的语言模型进行预训练时，使用了不同的预测任务和训练目标，如下表所示。ELMo：学习两个单向LM，正向LM从左到右读取文本，反向LM从右到左编码文本。GPT：使用从左到右的Transformer逐字预测文本序列。BERT：采用双向Transformer编码器，结合左右上下文来预测掩码。BERT显著提高了许多NLP任务

期待成功·2023-10-04 01:56

论文笔记 Unified Language Model Pre-training for Natural Language Understanding and Generation

一、干啥用的？一个新的预训练语言模型(UNILM)，它可以用于自然语言理解NLU和生成任务NLG。UNILM由多个语言建模目标共同预训练，共享相同的参数。二、和别的pre-train模型有啥区别？UNILM是一个多层Transformer网络，使用三种类型的语言建模任务进行预训练:单向(包括l-to-r和r-to-l)、双向和seq2seq预测。该模型在大量文本上联合预训练，针对三种类型的无监督语

RunningQzh·2023-10-04 01:56

论文笔记 -《All NLP Tasks Are Generation Tasks: A General Pre-training Framework》

1、摘要随着NLP技术的发展，越来越多的新的预训练架构不断刷榜，包括自回归模型(例如GPT)、自动编码模型(例如BERT)和编码器-解码器模型(例如T5)。自然语言处理任务在本质可以分为分类、无条件生成和条件生成。但是，目前没有一个预训练框架能够很好地完成所有任务。而在本文中，提出了一种通用语言模型(GeneralLanguageModel，GLM)来解决这个问题。GLM模型结构有三个主要优点

*Lisen·2023-10-04 01:56

预训练模型论文笔记01

一、《Pre-trainedModelsforNaturalLanguageProcessing:ASurvey》1、第一种预训练模型是为了学习更好的wordembedding，例如skip-gram、glove。他们不需要下游任务，也就不需要太大的计算量。尽管可以得到语义信息，但是它们与上下文无关，无法在上下文中捕获更高级别的概念，例如多义词消歧、句法结构、语义角色、回指。2、第二种预训练模型为

爱工作的小小酥·2023-10-04 01:26

【论文笔记】NLP 预训练模型综述

Pre-trainedModelsforNaturalLanguageProcessing:ASurvey花了一上午看完的综述，强烈推荐每个NLPer都读一读，很长一段时间内都能当做工具书来用（下一个break-through来临前）。这篇作为笔记就记录下一些个人认为的重点，方便日后查阅。（不解释基础概念/模型，适合熟悉PTMs的人阅读）先来说说为啥要用预训练模型：在大语料下预训练的模型可以学习到

zenRRan·2023-10-04 01:25

[论文笔记]UNILM

引言今天带来论文UnifiedLanguageModelPre-trainingforNaturalLanguageUnderstandingandGeneration的笔记，论文标题是统一预训练语言模型用于自然语言理解和生成。本篇工作提出了一个新的统一预训练语言模型(Unifieldpre-trainedLanguageModel,UniLM)，可以同时用于自然语言理解和生成任务的微调。该模型基

愤怒的可乐·2023-10-04 01:25

【论文笔记】—— Survey of Deep Reinforcement Learning for Motion Planning of Autonomous Vehicles

文章目录AbstractI.INTRODUCTIONII.MODELINGFORREINFORCEMENTLEARNINGA.VehiclemodelingB.SimulatorsC.ActionSpaceD.RewardingE.ObservationSpaceIII.SCENARIO-BASEDCLASSIFICATIONOFTHEAPPROACHESIV.FUTURECHALLENGESAb

yuan〇·2023-10-04 01:55

论文笔记：TrajGAT: A Graph-based Long-term Dependency ModelingApproach for Trajectory Similarity Computa

2022KDD1intro1.1背景经典相似性度量（DTW,Hausdorff等）复杂度高，限制了它们在大规模轨迹分析中的应用，成为计算轨迹相似性的实际瓶颈。提出了各种近似相似性度量的策略用于Hausdorff的局部敏感哈希(LSH)用于DTW的约束Warping窗口这些技术是为一个特定的度量设计的，不适用于其他度量深度表示学习(DRL)方法近年来已成功应用于轨迹相似性计算用向量表示轨迹并学习一个

UQI-LIUWJ·2023-10-03 14:28

论文笔记_Network in Network

文章目录摘要1.介绍2.卷积神经网络3.NetworkinNetwork3.1MLP卷积层3.2全局平均池化3.3NIN网络架构4.实验4.1实验概述4.2CIFAR-104.3CIFAR-1004.4StreetViewHouseNumbers数据集4.5MNIST4.6全局平均池化作为正则化项4.7NIN的可视化5.总结延伸参考文献：摘要本文提出一个叫做NetworkinNetwork(N

你搁这儿写bug呢？·2023-10-02 16:32

NIN 论文笔记

NIN:NetworkInNetwork摘要：我们提出了一个名为‘NetworkInNetwork(NIN)’的深度网络，去提高模型对于局部感受野的localpathes的判别力。传统的卷积层使用线性filters结构。取而代之，我们构建了一个更复杂的神经网络结构去abstract局部感受野的data。我们使用通用近似模块MLP来构建这个复杂神经网络。改进后的网络的featuremaps的计算方式

黑暗星球·2023-10-02 16:32

Network in Network论文笔记

NetworkinNetworkIntroduction传统卷积：广义线性模型（GeneralizedLinerModel，GLM），提取的浅层特征。只有数据线性可分时可以达到好的效果。NIN：利用非线性模块（micronetwork，本文采用多层感知机——mlpconv）代替GLM。GLM提取局部的线性特征，mlpconv包含多层感知机和全连接层。两者都是滑动窗形式提取局部特征。NIN由mlpc

huhu_hhh·2023-10-02 16:01

论文笔记：Network in Network

1.Motivation:convlayersuseGLM(WX+b)toextractfeatures;thelevelofabstractionislow(latentfeaturesarelinearlyseperable)==>useMLP(canapproximateanyfunctions,whereasmaxoutonlyapproximatesconvexfunctions,and

John2King·2023-10-02 16:01

【论文笔记】Reconstructing Training Data with Informed Adversaries

ReconstructingTrainingDatawithInformedAdversaries摘要&介绍由于机器学习模型可以有“记忆”功能，那么当训练数据涉及隐私信息时，若被攻击者还原出原始训练数据，就会很危险。这个论文就是探讨这样的攻击是否可能。所有的训练数据中，只有一个是未知的。目标就是还原出这一个未知的数据样本，找到攻击的方式、泄露多少信息可以达到被还原、哪些特性会导致可还原、自我检查模

sugar_e·2023-10-02 16:30

[论文笔记]GLM

引言今天带来论文GLM:GeneralLanguageModelPretrainingwithAutoregressiveBlankInfilling的笔记。论文中文标题为通用语言模型预训练与自回归填空。有很多不同类型的预训练架构，包括自编码模型(BERT、RoBERTa、ALBERT)、自回归模型(GPT系列)以及编码器-解码器模型(T5、MASS、BART、PALM)。然而，没有任何预训练框架

愤怒的可乐·2023-10-02 16:00

论文笔记：TMN: Trajectory Matching Networks for PredictingSimilarity

2022ICDE1intro1.1背景轨迹相似度可以划分为：非学习度量方法通常是为一两个特定的轨迹距离度量设计的，因此不能与其他度量一起使用通常需要二次时间（O(n^2)）来计算轨迹之间的精确距离基于学习的度量方法利用机器学习技术学习轨迹的适当表示，用于任何一种距离度量在预处理阶段（训练阶段？）之后，数据库中的每条轨迹都被转换成d维空间中的一个向量然后，两条轨迹之间的相似性可以通过两个相应向量之间

UQI-LIUWJ·2023-10-02 16:55

SRDiff: Single Image Super-Resolution with Diffusion Probabilistic Models 论文笔记

前言由于大多数基于卷积神经网络或者Attention机制的超分辨模型大部分都是PSNR主导的，即用PSNR作为损失函数进行训练，这会导致超分辨图像过度平滑的问题，也就是超分辨后的图像高频信息不能很好保留，并且超分辨的图像较为固定，对于超分辨这种不适定问题来说不太合适。另外一种超分辨模型是基于GAN进行图像生成，会存在训练困难、模型不稳定的问题。于是论文提出了基于扩散模型的超分辨模型，具有特点如下：

Unsunshine_Bigboy_?·2023-10-02 15:40

论文笔记：Contrastive Trajectory Similarity Learning withDual-Feature Attention

ICDE20231intro1.1背景轨迹相似性，可以分为两类启发式度量根据手工制定的规则，找到两条轨迹之间基于点的匹配学习式度量通过计算轨迹嵌入之间的距离来预测相似性值上述两种度量的挑战：无效性：具有不同采样率或含有噪声的轨迹会降低现有度量的有效性使用手工制定规则的启发式度量容易受到低质量轨迹的错误影响学习式度量主要采用并非最初为轨迹数据设计的深度学习模型，可能无法捕捉轨迹点之间以及相似轨迹之间

UQI-LIUWJ·2023-10-01 20:45

【论文笔记】SVDM: Single-View Diffusion Model for Pseudo-Stereo 3D Object Detection

原文链接：https://arxiv.org/abs/2307.022701.引言目前的从单目相机生成伪传感器表达的方法依赖预训练的深度估计网络。这些方法需要深度标签来训练深度估计网络，且伪立体方法通过图像正向变形合成立体图像，会导致遮挡区域的像素伪影、扭曲、孔洞。此外，特征级别的伪立体图生成很难直接应用，且适应度有限。那么如何绕过深度估计，在图像层面设计透视图生成器呢？和GAN相比，扩散

byzy·2023-10-01 18:22

【论文笔记】DiffBEV: Conditional Diffusion Model for Bird’s Eye View Perception

原文链接：https://arxiv.org/abs/2303.083331.引言通常，相机参数和激光雷达扫描的噪声会使BEV特征带有有害的噪声。扩散模型有去噪能力，能将有噪声样本还原为理想数据。本文提出DiffBEV，使用条件扩散概率模型（DPM）提高BEV特征的质量。然后，交叉注意力会融合条件扩散模型的输出与原始BEV特征。 DiffBEV可以接入不同的下游任务分支，并进行端到端的训练。

byzy·2023-10-01 18:21

【论文笔记】DiffusionTrack: Diffusion Model For Multi-Object Tracking

原文链接：https://arxiv.org/abs/2308.099051.引言多目标跟踪通常分为两阶段的检测后跟踪（TBD）和一阶段的联合检测跟踪（JDT）。TBD对单帧进行目标检测后，使用跟踪器跨帧关联相同物体。使用的跟踪器包括使用卡尔曼滤波器的基于运动的跟踪、使用重新识别技术关联物体、基于图的跟踪器（将关联过程建模为最小代价流问题）。 JDT方法统一处理跟踪与检测，可分为3类：基于查

byzy·2023-10-01 18:20

1 论文笔记：Efficient Trajectory Similarity Computation with ContrastiveLearning

2022CIKM1intro1.1背景轨迹相似度计算是轨迹分析任务（相似子轨迹搜索、轨迹预测和轨迹聚类）最基础的组件之一现有的关于轨迹相似度计算的研究主要可以分为两大类：传统方法DTW、EDR、EDwP等二次计算复杂度O(n^2)缺乏稳健性会受到非均匀采样、噪点的影响基于学习的方法旨在减少计算复杂度和/或提高稳健性根据它们的目的将它们分为两个方向神经逼近方法利用强大的神经网络在隐藏空间中逼近任何现

UQI-LIUWJ·2023-10-01 06:49

A Simple Baseline for multi-object Tracking(FairMOT)论文阅读笔记

FairMOT论文笔记（一）Title（二）Summary（三）ResearchObejct（四）ProblemStatement（五）Method5.1backbone5.2ObjectDetectionBranch5.3IdentityEmbeddingBranch5.4LossFunctions5.5

不知道叫啥好一点·2023-09-30 18:18

[论文笔记]MacBERT

引言今天带来MacBERT的阅读笔记。论文题目是重新审视中文自然语言处理的预训练模型。本篇主要是探讨中文预训练语言模型在非英文语言中的有效性，然后提出了一种简单而有效的模型，称为MacBERT，它在多个方面改进了RoBERTa，特别是采用纠错型掩码语言模型(MLMascorrection,Mac)的掩码策略。通过实验表明MacBERT在很多NLP任务中能取得SOTA结果。总体介绍BERT已经变成N

愤怒的可乐·2023-09-30 10:15

论文笔记----MEAL V2

MEALV2:BoostingVanillaResNet-50to80%+Top-1AccuracyonImageNetwithoutTricks∗原文链接：https://arxiv.org/pdf/2009.08453v1.pdf代码：https://github.com/szq0214/MEAL-V2简介作者提出了一种非常简单高效的提升ResNet网络性能的方案。即：多老师版的知识蒸馏模型加

静夜寒风·2023-09-29 22:42

论文笔记 Inference in Deep Gaussian Processes using Stochastic Gradient Hamiltonia使用随机梯度哈密顿量蒙特卡罗推理深度高斯过程

使用随机梯度哈密顿量蒙特卡罗推理深度高斯过程0.摘要深度高斯过程(DGP)是高斯过程的层次概括，它将经过良好校准的不确定性估计与多层模型的高度灵活性相结合。这些模型的最大挑战之一是精确推断是难以处理的。当前最先进的推理方法变分推理(VI)对后验分布采用高斯近似。这可能是一般多峰后验的潜在较差的单峰近似。在这项工作中，我们为后验的非高斯性质提供了证据，并且我们应用随机梯度哈密顿蒙特卡罗方法来生成样本

风尘23187·2023-09-29 17:31

【多模态】AIGC论文笔记整理（持续更新）

AIGCDiffusionModels【202012】DenoisingDiffusionProbabilisticModels（DDPM）【202102】ImprovedDenoisingDiffusionProbabilisticModels（ImprovedDDPM）【202103】LearningTransferableVisualModelsFromNaturalLanguageSupe

Carl39·2023-09-29 17:31

论文笔记（整理）：轨迹相似度顶会论文中使用的数据集

0汇总数据类型数据名称数据处理出租车数据波尔图原始数据：2013年7月到2014年6月，170万条数据ICDE2023ContrastiveTrajectorySimilarityLearningwithDual-FeatureAttention过滤位于城市（或国家）区域之外的轨迹过滤包含少于20个点或超过200个点的轨迹——>137W轨迹CIKM2022EfficientTrajectorySi

UQI-LIUWJ·2023-09-29 11:47

【计算机视觉|人脸建模】PanoHead：360度几何感知的3D全头合成

本系列博文为深度学习/计算机视觉论文笔记，转载请注明出处标题：PanoHead:Geometry-Aware3DFull-HeadSynthesisin360∘^{\circ}∘链接：[2303.13071

远哥挺乐·2023-09-28 15:41

【论文】如何记论文笔记

〇、前情提要论文笔记。参考：路得_Ruth-【学术干货】博士学姐的学术论文阅读方法|笔记格式https://www.bilibili.com/video/BV13E411W7u5?

绝不做九漏鱼·2023-09-28 12:27

#论文笔记# Demystifying Core Ranking in Pinterest Image Search

本文是Pinterest试验的图片检索算法，本文从：trainingdata，user/imagefeaturization和rankingmodels等角度进行解读，并做了性能和质量方面的测试Backgroud:1.Purpose:improvetheimagesearchqualitybyevolvingrankingtechniquesThefirstsearchsystemwasbuilt

YYrun·2023-09-28 06:00

韩松毕业论文笔记-第六章-EFFICIENT METHODS AND HARDWARE FOR DEEP LEARNING

本文转自tszs_song，原文链接：https://www.cnblogs.com/zhengmeisong/p/7685039.html，转载时请注明出处及相应链接。————————————————难得跟了一次热点，从看到论文到现在已经过了快三周了，又安排了其他方向，觉得再不写又像之前读过的N多篇一样被遗忘在角落，还是先写吧，虽然有些地方还没琢磨透，但是paper总是这样吧，毕竟没有亲手实现一

城外南风起·2023-09-28 03:52

论文笔记：SAITS: SELF-ATTENTION-BASED IMPUTATION FOR TIMESERIES

对time-series使用self-attention来进行补全1introduction传统的处理缺失数据的方式一般有两个分类直接删去只有部分观测值的样本使用数据补全，将合适的数据填入直接删去的不足直接删去会导致偏差；合适的数据补全是无偏的部分观测样本也是有一定的意义的目前一些模型的不足BRITS、GAIN、E2GAN等模型都是autoregressive模型（xt的数值取决于之前1~t-1中

UQI-LIUWJ·2023-09-27 21:53

【论文笔记】A Review of Motion Planning for Highway Autonomous Driving

文章目录I.INTRODUCTIONII.CONSIDERATIONSFORHIGHWAYMOTIONPLANNINGA.TerminologyB.MotionPlanningSchemeC.SpecificitiesofHighwayDrivingD.ConstraintsonHighwayDrivingE.WhatIsatStakeinthisPaperIII.STATEOFTHEARTA.T

yuan〇·2023-09-27 01:18

【论文笔记】Boros: Secure Cross-Channel Transfers via Channel Hub

原文：https://arxiv.org/pdf/1911.12929.pdf学习一下人家的论文怎么写的摘要：针对支付网络通道的主要问题——多条路由的交易需要路径上节点锁定一笔交易，来辅助完成这笔跟他无关的交易，这样的设计一方面限制了中间节点的资金流动性，一方面有时会导致死锁进而交易失败。多跳支付的路径越长，以上问题越明显。论文设计了一个channelhub，是paymenthub（Nocust）

Sal.·2023-09-26 23:47

论文笔记：ST2Vec: Spatio-Temporal Trajectory SimilarityLearning in Road Networks

2022KDD1intro现有的轨迹相似性学习方案强调空间相似性而忽视了时空轨迹的时间维度，这使得它们在有时间感知的场景中效率低下如上图，在拼车过程中，T1表示司机计划的行程，T2和T3是两个想要搭车的人。T1和T2在空间上更接近，因此仅考虑空间相似性的算法会推荐T2。然而，T1和T2的出发时间相去甚远。T3虽然距T1空间上较远，但却和T1是相近的出发时间。因此，从时空两方面考虑，应选择T3。实现

UQI-LIUWJ·2023-09-26 20:48

论文笔记：ViTGAN: Training GANs with Vision Transformers

20211intro论文研究的问题是：ViT是否可以在不使用卷积或池化的情况下完成图像生成任务即不用CNN，而使用ViT来完成图像生成任务将ViT架构集成到GAN中，发现现有的GAN正则化方法与self-attention机制的交互很差，导致训练过程中严重的不稳定——>引入了新的正则化技术来训练带有ViT的GANViTGAN模型远优于基于Transformer的GAN模型，在不使用卷积或池化的情况

UQI-LIUWJ·2023-09-26 20:16

论文笔记（4）

《基于Ｗｅｂ的问答系统综述》李舟军李水华（北京航空航天大学计算机学院北京１００１９１）2017年的论文一、基于Web的问答系统经典的WQA系统主要由以下3个模块构成。问题分析模块问题分类、关键词提取和扩展、问题重写信息检索模块获取并解析搜索引擎返回的搜索结果，从而得到结构化的网页片段列表。答案抽取模块候选答案抽取：手工编辑或自动生成名词词典，将词典中所有名词都作为候选答案、命名实体识别、根据手工编

一生太久只争朝夕·2023-09-26 19:59

论文笔记：Blockchain for AI: Review and Open Research Challenges

一、基本信息论文题目：《BlockchainforAI:ReviewandOpenResearchChallenges》发表时间：IEEEAccess论文作者及单位：二、摘要最近，人工智能（AI）和区块链已成为最流行和最具破坏性的两项技术。区块链技术具有自动以加密货币进行支付的能力，并能够以分散，安全和受信任的方式提供对共享的数据，交易和日志分类账的访问。同样，借助智能合约，区块链能够管理参与者之

塘朗老实人·2023-09-26 06:16

[论文笔记]P-tuning

引言今天带来第四篇大模型微调的论文笔记GPTUnderstands,Too。本篇工作提出的方法是P-tuning，使用可训练的连续提示嵌入，使GPT在NLU上表现比传统的全量微调的GPT更好的效果。

愤怒的可乐·2023-09-26 02:00

基于YOLOV5的DeepSort轨迹跟踪方法(一)

论文笔记：《基于YOLOv5和DeepSort的多目标跟踪算法研究与应用》-1YOLO系列基础知识作为一阶段经典算法，YOLO系列的算法由于省略了粗定位的过程，通过调整骨干网络可以实现速度比二阶段算法Faster-RCNN

椒椒。·2023-09-25 14:53

【论文笔记】PyramidFL: A Fine-grained Client Selection Framework for Efficient Federated Learning

PyramidFL:用于有效联邦学习的细粒度客户端选择框架摘要：联邦学习(FL)是一种新兴的分布式机器学习(ML)范例，具有增强的隐私，旨在为尽可能多的参与者实现“良好”的ML模型，同时消耗尽可能少的时间。通过在成千上万甚至数百万个客户端中执行，FL展示了广泛的参与者之间的异质性统计特征和系统差异，使得在采用传统的ML范式时，其训练更加重要。训练效率下降的根本原因是随机的客户选择标准。尽管现有的F

self--mockery·2023-09-25 00:55

IMAGEBIND: One Embedding Space To Bind Them All论文笔记

论文https://arxiv.org/pdf/2305.05665.pdf代码https://github.com/facebookresearch/ImageBind1.Motivation像CLIP这一类的方法只能实现Text-Image这两个模态的Embedding对齐，本文提出的ImageBind能够实现六个模态（images,text,audio,depth,thermal,andIM

Nick Blog·2023-09-24 05:05

论文精读ResNet: Deep Residual Learning for Image Recognition

1512.03385Github链接：https://github.com/pytorch/vision/blob/master/torchvision/models/resnet.py知乎讲解：ResNet论文笔记及代码剖析

EEPI·2023-09-23 23:54

Pollux: Co-adaptive Cluster Scheduling for Goodput-Optimized Deep Learning（论文笔记）

文章目录问题DL训练的Goodput建模统计效益建模系统吞吐量建模TgradT_{grad}Tgrad建模TsyncT_{sync}Tsync结合TgradT_{grad}Tgrad和TsyncT_{sync}Tsync考虑梯度累积Pollux设计PolluxAgent：任务级别的优化PolluxSched：集群优化p的取值避免干扰问题如何分配资源，调整批量大小和学习率，对于深度学习集群的调度来说

可姆可汗·2023-09-23 20:35

[论文笔记]P-tuning v2

引言今天带来第五篇大模型微调论文笔记P-tuningv2:PromptTuningCanBeComparabletoFine-tuningAcrossScalesandTasks。

愤怒的可乐·2023-09-23 09:10

推荐频道

SLAM-VIO论文笔记