文章预览
LG - 机器学习 CV - 计算机视觉 CL - 计算与语言 AS - 音频与语音 RO - 机器人 1、[CL] Transformers meet Neural Algorithmic Reasoners 2、[CL] Unpacking DPO and PPO：Disentangling Best Practices for Learning from Preference Feedback 3、[CV] An Image is Worth More Than 16x16 Patches： Exploring Transformers on Individual Pixels 4、[LG] MLKV： Multi-Layer Key-Value Heads for Memory Efficient Transformer Decoding 5、[CV] Depth Anything V2 摘要：Transformer与神经算法推理器的结合、偏好反馈学习解缠最佳实践、像素级Transformer探索、用于高效内存Transformer解码的多层键值头、Depth Anything V2单目深度估计基础模型 1、[CL] Transformers meet Neural Algorithmic Reasoners W Bounsi, B Ibarz, A Dudzik, J B. Hamrick… [Google DeepMind] Transformer与神经算法推理器的结合 要点: 提出一种混合架构，将Transformer模型与经过预训练的基于图神经网络的神经算法推理器(NAR)相结合。 NAR
………………………………
