本文比较了卷积神经网络（CNN）与视觉Transformer（ViT）在电子商务服装分类中的表现。研究发现，CNN在局部模式识别上更具优势，而ViT通过自注意机制增强了整体上下文理解。结合两者的优点可以提升分类性能。此外，轻量级视觉变换器（如MobileViT）在移动设备上表现优异，超越了传统的CNN和ViT。

通过引入一种新的基因型插值流程的基准线，我们的研究支持在客户端上插值模型的泛化，从而在任何基因芯片和基因组区域上增强患者隐私。通过使用 23andMe 等消费者基因检测面板，我们的模型使个性化基因洞察力成为大众所拥有，使 23andMe 用户能够获取其 PRS313 评分。我们的线性回归模型在基因检测面板中插补 SNPs 后，其 R^2 达到 0.86，而无插补时为 0.33，简单插补为...

高斯过程在小型、结构化和相关的数据集上提供了一种有吸引力的回归方法。一个框架被提出，用于确定高斯过程在给定问题上的适用性，并建立一个强大且明确的高斯过程模型。该框架给出了有经验的高斯过程实践者的决策指南，重点关注核函数设计和计算可扩展性选项。一个冰川海拔变化的案例研究证明了该框架的有效性。

这篇文章介绍了一种高效的微调方法，将经典算法高斯判别分析（GDA）应用于图像预训练模型CLIP的下游分类任务中。实验证明，这种方法在少样本分类、不平衡学习和超出分布泛化等方面表现出色，并且还可以用于基于新类别的推理和无监督学习。

本研究提出了一种简单但强大的基准线，通过利用预训练的I-VL模型和视频理解任务的能力进行训练。在行动识别、动作定位和文本-视频检索等任务中，实现了与现有方法相当或最新的性能。通过消融研究分析了关键组件和静态图像、视频之间的差距。

命名实体识别（NER）模型在NLP任务中起关键作用。本文发布了一个包含100个手动注释的科学出版物语料库，并提供了一个围绕ML模型和数据集的基准模型。数据集还包含了与非正式提及相关的注释。