Survey

A Survey on Deep Learning Techniques Applied to medical image analysis

作者：禅与计算机程序设计艺术文章目录1.简介2.BackgroundandKeyConceptsIntroductionKeyTerms&Concepts3.CoreTechnicalConceptsandOperationsConvolutionalNeuralNetwork(CNN)StructureofaCNNLayerBuildingBlocksofCNNConvolutionalLaye

AI天才研究院·2025-06-24 07:19

【LLM安全】A Survey on Large Language Model (LLM) Security and Privacy- The Good, the Bad, and the Ugly

1.IntroductionTheGood：LLMs在代码安全和数据安全与隐私方面都做出了贡献。在代码安全的背景下，LLMs已经被用于代码(例如,安全编码、测试用例生成、脆弱代码检测、恶意代码检测、代码修复等)的整个生命周期。在数据安全和隐私方面，LLMs已被应用于确保数据完整性、数据机密性、数据可靠性和数据可追溯性。大多数研究人员发现基于LLM的方法优于传统最先进的方法。TheBad：我们将攻击

·2025-06-22 01:00

【2025智源大会论文解读】智能体-林衍凯

0新框架具体实现还没有找到0.1MiniCPM4-Survey：MiniCPM4-Survey是由THUNLP、中国人民大学和ModelBest联合开发的开源大语言模型

weixin_37763484·2025-06-11 12:12

大模型Agent方向论文阅读DAY1：《The Rise and Potential of Large Language Model Based Agents: A Survey》

基于大型语言模型的代理的兴起和潜力：一项调查介绍长期以来，人类一直在追求相当于或超过人类水平的人工智能（AI），AI代理被认为是实现这一追求的有前途的工具。AI代理是感知环境、做出决策并采取行动的人工实体。由于它们所展示的多功能和卓越的功能，大型语言模型（LLM）被视为通用人工智能（AGI）的潜在火花，为构建通用AI代理提供了希望。许多研究工作都利用LLM作为构建AI代理的基础，并取得了重大进展。

feifeikon·2025-05-18 12:02

多模态大模型综述《A Survey on Multimodal Large Language Models》

架构图在单模态的基础上，加了新的模态，encoder后，通过mlp或者其他方式与text对齐，再输入大模型。如果需要生成新的膜套，可以再通过生成器。（此处与SD不太一样），chatGPT不会生成图片，可以对图片进行理解。训练方式一般多个阶段。预训练、指令微调、对齐微调（RLHF）。预训练是通用能力。使得图像对齐到llm表征空间，数据来源于互联网上的图像对。指令微调是专业能力，提升在下游任务上的性能

yang_daxia·2025-05-18 06:44

【综述论文阅读】A Survey on Multimodal Large Language Models下

介绍来自1中科大科技学院、认知智能国家重点实验室2腾讯优图实验室的综述，建立了github项目，持续更新该综述首先对MLLM的核心方面进行全面回顾，包括(1)主流架构（第2节）；(2)训练策略和数据的完整配方（第3节）；(3)性能评估的常见实践（第4节）。然后探讨了一些关于MLLM的重要问题：(1)哪些方面可以进一步改进或扩展（第5节）？(2)如何缓解多模态幻觉问题（第6节）？（3）三个关键技术（

pureblacker·2025-05-18 06:14

A Survey on Multimodal Large Language Models论文解读

AbstractRecently,MultimodalLargeLanguageModel(MLLM)representedbyGPT-4Vhasbeenanewrisingresearchhotspot,whichusespowerfulLargeLanguageModels(LLMs)asabraintoperformmultimodaltasks.Thesurprisingemergentc

call me by ur name·2025-05-18 06:43

A Survey on Multimodal Large Language Models for Autonomous Driving

本文是LLM系列文章，针对《ASurveyonMultimodalLargeLanguageModelsforAutonomousDriving》的翻译。自动驾驶多模态大语言模型研究综述摘要1引言2自动驾驶的发展3多模态语言模型的发展4自动驾驶的多模态语言模型5数据集和基准6LLVM-AD研讨会总结7讨论8结论摘要随着大型语言模型（LLM）和视觉基础模型（VFM）的出现，受益于大型模型的多模态人工

UnknownBody·2025-05-18 05:41

论文阅读：A Survey on Evaluation of Large Language Models

ASurveyonEvaluationofLargeLanguageModels这篇论文是由YupengChang等人撰写的关于大型语言模型（LLMs）评估的综述，题为《ASurveyonEvaluationofLargeLanguageModels》。摘要大型语言模型（LLMs）在学术界和工业界越来越受欢迎，因为它们在各种应用中的卓越性能。随着LLMs在研究和日常使用中的持续重要性，它们的评估变

CSPhD-winston-杨帆·2025-05-18 05:10

Adversarial examples based on object detection tasks: A survey》论文阅读笔记

这是一篇关于目标检测任务中对抗样本攻击的综述论文。文章介绍了深度学习在计算机中的应用，以及对抗样本攻击的相关概念和方法，其中重点讨论了目标检测任务中基于分类和回归的对抗样本攻击，并对其他相关攻击方法进行了总结，最后得出结论并展望未来研究方向。1.引言深度学习背景：深度学习在处理图像或视频数据方面具有优势，广泛应用于计算机视觉任务，但由于深度网络的复杂结构，其存在脆弱性，容易受到攻击。目标检测任务：

2301_80355452·2025-05-16 20:50

稀疏表示综述：A Survey of Sparse Representation: Algorithms and Applications_2015（2）

稀疏表示综述：ASurveyofSparseRepresentation:AlgorithmsandApplications_2015（2）本文地址：http://blog.csdn.net/shanglianlm/article/details/46866803VI.基于邻近算法的优化策略（PROXIMITYALGORITHMBASEDOPTIMIZATIONSTRATEGY）proximity

mingo_敏·2025-05-11 12:59

[Survey]SAM2 for Image and Video Segmentation: A Comprehensive Survey

BaseInfoTitleSAM2forImageandVideoSegmentation:AComprehensiveSurveyAdresshttps://arxiv.org/abs/2503.12781Journal/Time2503Author四川大学，北京大学1.Introduction图像分割专注于识别单个图像中的目标、边界或纹理，而视频分割则将这一过程扩展到时间维度，旨在分割连续的视

Xy-unu·2025-05-08 00:50

Stop Overthinking: A Survey on Efficient Reasoning for Large Language Models

文章目录摘要1引言2背景：长思维链推理模型与过度思考现象2.1思维链（CoT）推理2.2长CoT推理模型中的过度思考问题3基于模型的高效推理3.1基于长度奖励设计的强化学习（RL）3.2使用可变长度CoT数据的监督微调（SFT）3.2.1构建可变长度CoT推理数据集3.2.2微调方法4基于推理输出的高效推理4.1将推理步骤压缩为更少的潜在表示4.2推理过程中的动态推理范式4.2.1基于显式标准的动

绒绒毛毛雨·2025-05-04 18:00

论文阅读：2023 arxiv Survey of Vulnerabilities in Large Language Models Revealed by Adversarial Attacks

CSPhD-winston-杨帆·2025-05-03 03:48

论文翻译：Large Language Models for Education: A Survey

目录大型语言模型在教育领域的应用：一项综述摘要1引言2.教育中的LLM特征2.1.LLMs的特征2.2教育的特征2.2.1教育发展过程低进入门槛。2.2.2.对教师的影响2.2.3教育挑战2.3LLMEdu的特征2.3.1"LLMs+教育"的具体体现2.3.2"LLMs+教育"的影响3如何逐步将LLMs整合到教育中3.1教育领域采用LLMs的原因3.2融合策略4LLMEdu的关键技术5LLMEdu

CSPhD-winston-杨帆·2025-04-23 12:29

论文阅读：2023 arxiv A Survey of Reinforcement Learning from Human Feedback

ASurveyofReinforcementLearningfromHumanFeedbackhttps://arxiv.org/pdf/2312.14925https://www.doubao.com/chat/3506943124865538速览这篇论文是关于“从人类反馈中进行强化学习（RLHF）”的综述，核心是讲如何让AI通过人类反馈来学习，而不是依赖预先设定的奖励函数。以下是用通俗易懂的话

CSPhD-winston-杨帆·2025-04-21 12:42

Attacks, Defenses and Evaluations for LLM Conversation Safety: A Survey论文分享

今天分享的论文是《Attacks,DefensesandEvaluationsforLLMConversationSafety:ASurvey》原文链接：[2402.09283]Attacks,DefensesandEvaluationsforLLMConversationSafety:ASurvey开放源代码：https://github.com/niconi19/LLMconversation

XLYcmy·2025-04-20 10:31

论文阅读：2025 arxiv AI Alignment: A Comprehensive Survey

CSPhD-winston-杨帆·2025-04-20 06:07

论文翻译：Large Language Models for Education: A Survey and Outlook

https://arxiv.org/abs/2403.18105目录教育领域的大型语言模型：一项调查和展望摘要1.引言2.教育应用中的LLM2.1概述2.2学习辅助2.2.1问题解决（QS）2.2.2错误纠正（EC）2.2.3困惑助手（CH）2.3教学辅助2.3.1问题生成（QG）2.3.2自动评分（AG）2.3.3教学材料创作（MC）2.4适应性学习2.4.1知识追踪（KT）2.4.2内容个性化

CSPhD-winston-杨帆·2025-04-18 03:58

mybatis plus 分页查询出来数据后对他二次修改数据封装返回

分页查询出来数据后对他二次修改数据封装返回/***搜索问卷**@paramkeyword*@parampageNo*@parampageSize*@return*/@AutoLog(value="v_survey

Java&Develop·2025-04-16 11:38

When Large Language Models Meet Speech: A Survey on Integration Approaches

主要内容研究背景：大语言模型（LLMs）在自然语言处理领域取得显著进展，其与语音的融合具有广泛应用前景，但缺乏相关集成方法的综述。文章将语音与LLMs集成方法分为基于文本、基于潜在表示和基于音频令牌三大类。集成方法基于文本的集成：通过级联集成、LLM重打分和LLM生成式错误纠正等方式，利用文本作为LLMs的输入和输出，处理语音相关任务，但存在信息损失和准确性与多样性平衡的问题。基于潜在表示的集成：

UnknownBody·2025-03-23 17:46

A Survey of Large Language Models大模型综述论文章节总结

ASurveyofLLM人大译ASurveyofLargeLanguageModels这篇论文全面回顾了大型语言模型(LLM)的最新进展，重点关注其发展背景、关键发现和主流技术。文章主要围绕LLM的四个主要方面展开：1引言自从1950年图灵测试被提出以来，人类一直在探索机器掌握语言智能的方法。语言本质上是一种受语法规则支配的复杂、精细的人类表达系统，这使得开发能够理解和掌握语言的强大人工智能(AI

WhyteHighmore·2025-03-19 19:09

A SURVEY ON POST-TRAINING OF LARGE LANGUAGE MODELS——大型语言模型的训练后优化综述——第9部分——应用

应用尽管预训练为大型语言模型（LLMs）赋予了强大的基础能力，但在部署于专业领域时，LLMs仍经常遇到持续的限制，包括上下文长度受限、容易产生幻觉（hallucination）、推理能力欠佳和固有的偏见。在现实世界的应用中，这些不足显得尤为重要，因为在这些场景中，精确性、可靠性和伦理一致性是至关重要的。这些问题引发了一些根本性的探讨：(1)如何系统地提高LLM的表现以满足特定领域的需求？(2)在实

王金-太想进步了·2025-03-19 19:31

A survey on instance segmentation: state of the art——论文笔记

摘要这篇论文综述了实例分割的研究进展，定义其为同时解决对象检测和语义分割的问题。论文讨论了实例分割的背景、面临的挑战、技术演变、常用数据集，并总结了相关领域的最新成果和未来研究方向。实例分割的发展从粗略的对象分类逐步演变为更精细的像素级别推理，广泛应用于自动驾驶、机器人等领域。论文为研究人员提供了对实例分割领域的全面了解和有价值的参考。一、简介第一部分“简介”主要介绍了实例分割的背景、定义和挑战。

栀子清茶·2025-03-17 06:54

LLM时代的小模型思考：《What is the Role of Small Models in the LLM Era: A Survey》论文笔记

论文：WhatistheRoleofSmallModelsintheLLMEra:ASurvey作者：LihuChenetal.单位：ImperialCollegeLondonAbstract问题：扩大模型大小会导致计算成本和能耗呈指数级增长，这使得这些模型对于学术研究人员和资源有限的企业来说不切实际小型模型（SMs）经常用于实际环境中，引发了关于小模型在LLM时代的作用的重要问题，且关注有限方法

FrancisQiu·2025-03-09 14:02

Efficient Large Language Models: A Survey

本文是LLM系列文章，针对《EfficientLargeLanguageModels:ASurvey》的翻译。高效的大型语言模型综述摘要1引言2模型为中心的方法3数据为中心的方法4LLM框架5结论摘要大型语言模型（LLM）在自然语言理解、语言生成和复杂推理等重要任务中表现出了非凡的能力，并有可能对我们的社会产生重大影响。然而，这种能力伴随着它们所需的大量资源，突出表明迫切需要开发有效的技术来应对其

UnknownBody·2025-03-05 09:00

探索React的深度应用：React Survey——构建问卷神器

探索React的深度应用：ReactSurvey——构建问卷神器去发现同类优质开源项目:https://gitcode.com/在浩瀚的前端开发世界里，React与Redux已成为构建复杂Web应用的得力助手，但它们的强大往往隐藏在基础教程之后。今天，让我们一同探索【ReactSurvey】，一个将React与Redux之力发挥至极致的开源项目，教你如何轻松打造专业的在线问卷系统。项目介绍Reac

傅尉艺Maggie·2025-02-28 07:25

笔记-《A Survey of Large Language Models》- 尾声

尾声:尾声:本综述是由我们研究团队在一次讨论会上计划的,我们旨在总结LLM的最新进展,为我们的团队成员提供一份高度可读性的报告。第一稿于2023年3月13日完成,我们的团队成员尽最大努力以相对客观、全面的方式囊括有关LLM的相关研究。接着,我们进行了多次细致的写作和内容修订。尽管我们付出了巨大的努力,但这份综述仍远非完美:我们可能会遗漏重要的参考文献或主题,也可能存在不严谨的表述或讨论。由于空间有

L_serein·2025-02-17 13:46

A Survey on Large Language Model Acceleration based on KV Cache Management

本文是LLM系列文章，针对《ASurveyonLargeLanguageModelAccelerationbasedonKVCacheManagement》的翻译。基于KV缓存管理的大型语言模型加速研究综述摘要1引言2前言3分类4token级优化5模型级优化6系统级优化7文本和多模态数据集8结论摘要大型语言模型（LLM）因其理解上下文和执行逻辑推理的能力，彻底改变了自然语言处理、计算机视觉和多模态

UnknownBody·2025-01-31 12:47

论文阅读笔记（9）——《A Practical Survey on Faster and Lighter Transformers》

1Abstract2Introductionrecurrentneuralnetworks(RNNs)longshort-termmemory(LSTM)networksequencetosequenceframeworkinter-attentionrelativeeffectivecontextlength(RECL)Transformer3TransformerA.EncoderB.Deco

StriveQueen·2025-01-26 08:32

【论文笔记】AutoML: A survey of the state-of-the-art（下篇）

目录4.ModelGeneration模型生成4.1SearchSpace搜索空间4.1.1Entire-structuredsearchspace基于整个架构的4.1.2Cell-basedsearchspace基于Cell的空间4.1.3Hierarchicalsearchspace层次化的空间4.1.3Morphism-basedsearchspace基于“态射”的空间4.2网络优化方法（搜

pip install USART·2025-01-22 18:31

MySql场景面试题：满意度调查分组去除最高最低求平均分

wx号:「liwu0213」☠博主专栏：♝博主的话：搬的每块砖，皆为峰峦之基；公众号搜索「码到三十五」关注这个爱发技术干货的coder，一起筑基场景描述我们有一个员工满意度调查系统，数据库中有一张表：survey_scores

码到三十五·2025-01-20 22:16

javamail发( 收)邮件

MyAuthenticator.javapackagecn.com.vetc.survey.mail;importjavax.mail.Authenticator;importjavax.mail.PasswordAuthentication

sageparadise·2025-01-20 19:44

Knowledge Boundary of Large Language Models: A Survey

本文是LLM系列文章，针对《KnowledgeBoundaryofLargeLanguageModels:ASurvey》的翻译。大型语言模型的知识边界：综述摘要1引言2知识边界的定义3不良行为4知识边界的识别5缓解6挑战与前景7结论局限性摘要尽管大型语言模型（LLM）在其参数中存储了大量的知识，但它们在记忆和利用某些知识方面仍然存在局限性，导致了不良的行为，如产生不真实和不准确的反应。这突显了理

UnknownBody·2025-01-19 03:52

假新闻检测论文（24）A comprehensive survey of multimodal fake news detection techniques...

本文综述了利用深度学习架构和注意力机制进行假新闻检测的最新和全面的研究一介绍假新闻定义：虚假或误导性新闻，或“假新闻”，是任何捏造或故意欺骗的媒体内容。假新闻危害：它可以被利用来操纵公众情绪，传播错误信息，甚至干预政治选举。它的主要目的是扭曲、欺骗或操纵个人的信仰和观点。假新闻的形式（类型）：虚假信息在媒体上传播的形式多种多样，包括讽刺、谣言、点击诱饵、错误信息等。讽刺作品通常充满幽默，用来强调特

weixin_41964296·2025-01-18 05:17

论文翻译：A survey on large language model (LLM) security and privacy: The Good, The Bad, and The Ugly

Asurveyonlargelanguagemodel(LLM)securityandprivacy:TheGood,TheBad,andTheUglyhttps://www.sciencedirect.com/science/article/pii/S266729522400014X文章目录关于大型语言模型（LLM）安全性和隐私的调查：好的、坏的和丑陋的摘要1.引言2.背景2.1大型语言模型（L

CSPhD-winston-杨帆·2025-01-17 00:41

综述论文“A Survey of Zero-Shot Learning: Settings, Methods, and Applications”

该零样本学习综述，发表于ACMTrans.Intell.Syst.Technol.10,2,Article13(January2019)摘要：大多数机器学习方法着重于对已经在训练中看到其类别的实例进行分类。实际上，许多应用程序需要对实例进行分类，而这些实例的类以前没有见过。零样本学习（Zero-ShotLearning）是一种强大而有前途的学习范例，其中训练实例涵盖的类别与想分类的类别是不相交的。

硅谷秋水·2024-09-13 14:27

2020-11-21

：confident确信的process步骤remarkably显著地rhythm节奏accustomed习惯于precise精确的obtain获得视听说：masculine，dark，blonde，survey

20行管2班14刘少佳·2024-09-10 01:16

A Survey on Benchmarks of Multimodal Large Language Models

本文是LLM系列文章，针对《ASurveyonBenchmarksofMultimodalLargeLanguageModels》的翻译。多模态大型语言模型基准研究综述摘要1引言2前言3感知与理解4认知与推理5特定领域6关键能力7其他模态8结论摘要多模态大型语言模型（MLLM）在学术界和工业界越来越受欢迎，因为它们在视觉问答、视觉感知、理解和推理等各种应用中表现出色。在过去几年中，人们从多个角度对

UnknownBody·2024-08-29 11:20

A Survey of Large Language Models on Generative Graph Analytics: Query, Learning, and Applications

本文是LLM系列文章，针对《ASurveyofLargeLanguageModelsonGenerativeGraphAnalytics:Query,Learning,andApplications》的翻译。生成图分析的大型语言模型综述：查询、学习和应用摘要1引言2前言3图结构理解任务4图学习任务5图形推理6图表示7基于知识图谱的增强检索8基于图LLM的应用9基准数据集和评估10未来的方向11结论

UnknownBody·2024-08-25 02:29

[R] dercribe: to get the mean and sd, and print with paste

Ofcourseyoucanhard-codedthestandarddeviationandmeanGPAvalues.like:#Usingthecommanddescribe,tellwhatisthestandarddeviationandthemeanGPAofthestudentsinYear4(GE_survey_Y4

EricWang1358·2024-03-04 20:16

[R] to get how many participants in the dataframe and use it

prop1<-sum(GE_survey$`Q17_Whatdepartmentareyouin`=="HSS")/nrow(GE_survey)nrow()andncol():Supposeyouhaveadatasetmy_datathatcontainsinformationaboutcustomers

EricWang1358·2024-03-04 20:45

[R] count the number of numeric columns: sapply & lapply

Thecodeforcountingnumericalvariablesisincorrect.Youshouldusesapplyandsumtocountthenumberofnumericcolumns.num_vars<-sum(sapply(GE_survey

EricWang1358·2024-03-02 23:15

问卷传播全攻略：如何高效扩散你的调查问卷？

问卷制作完成后，在Survey中可以和自动生成链接或者二维码，可供您在各个媒体渠道进行传播分享。

ZOHO卓豪·2024-02-14 16:26

知识图谱 & 多模态学习 2024 最新综述

KnowledgeGraphsMeetMulti-ModalLearning:AComprehensiveSurvey论文链接：http://arxiv.org/abs/2402.05391项目地址：https://github.com/zjukg/KG-MM-Survey

奈何辰星无可奈·2024-02-13 19:53

BERT遇上知识图谱：预训练模型与知识图谱相结合的研究进展

本文主要关注于如何在BERT中引入知识图谱中信息，并survey了目前已公布的若干种方法，欢迎大家批评和交流。1、《ERNIE

Necther·2024-02-13 14:04

问卷制作利器：推荐几款实用的软件与在线工具