莉景天气提供天气预报、温度和空气质量等基础功能。用户可在苹果和Android应用商店下载应用，查看太阳月亮轨迹，规划摄影行程。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

本文探讨大型语言模型在算法设计中的应用，特别是在迭代算法搜索中的适应性。通过图形分析，揭示了LLM辅助算法搜索的多模态特性，为组合优化任务提供有效指导。

本研究解决了现有音频视觉生成模型只能处理单类音频的问题，提出了一种新模型AV-GAS，用于从包含多类音频的声音景观生成图像。该模型不仅提出了新的音频视觉生成挑战，还引入了音频视觉分离任务，并在VGGSound数据集上展示了其在生成图像的准确性和合理性方面的显著改进。

无人机航拍技术迅速发展，突破传统摄影限制，提供高效的数据采集。构建高质量航拍数据集需合理规划，以满足城市规划等需求。HyperAI整理了多个实用数据集，推动航拍领域的研究与应用。

本文解决了强化学习（RL）在缺乏先验知识、长远规划和奖励设计等关键挑战中的不足。研究提出了一种分类框架，将大语言模型（LLMs）和视觉语言模型（VLMs）在RL中的应用分为代理、规划者和奖励三个角色。核心发现是，这种集成方法为自然语言和视觉理解与序列决策的统一提供了新的研究方向。

本文研究了神经网络的泛化能力，使用了改进的PyTorch库的损失景观分析（LLA）。研究发现传统的损失景观可视化方法在具有批归一化层的网络体系结构中并不总能确保正确可视化，而海森矩阵的使用可以缓解这一问题。通过对海森矩阵特征值分解谱的研究，提出了一种定量标准来评价神经网络的性能和泛化能力，实验表明这些标准与准确率变化相关联，具有计算效率高的优点。

本研究解决了航空激光扫描（ALS）数据分析中缺乏开源专家注释资源的问题，提出了"考古景观"数据集，该数据集覆盖了柬埔寨888平方公里，包含31,141个注释的古代考古特征。研究表明，该数据集比现有的同类数据集大四倍，是首个开放访问的ALS考古资源，旨在通过这一创新资源促进传统考古学与现代计算机视觉方法的结合。

本文研究扩散模型中的记忆化问题，提出几何框架，通过分析对数概率密度的Hessian特征值，发现记忆化源于孤立点，并通过实验验证了该方法的有效性。

本研究解决了经典仿真方法在量子计算机中的应用有限性的问题。我们提出了一种量子增强的经典算法，可以生成一个量子电路产生的期望景观子区域（称为“片段”）的经典代理，从而高效模拟相关的近似期望值。此外，我们为多种电路族提供了时间和样本复杂度保证，并在127量子位重六角拓扑的哈密顿量变分法的仿真上进行了数值验证。

本研究解决了从RGB图像重建结构化3D场景的难题，现有方法依赖训练繁重的真实注释或单调的合成数据，难以泛化到未知对象或领域。我们提出的Diorama是首个零-shot开世界系统，能够从单视图RGB观察中全面建模3D场景，无需端到端训练或人类注释，显著优于之前的基线，并展示了对互联网图像和文本到场景任务的泛化能力。

本研究提出了一种基于拓扑数据分析的新方法，以克服机器学习中损失函数可视化的局限性。研究表明，高性能模型的损失景观拓扑结构更为简单，能够揭示模型性能与学习动态之间的新关系。

本研究解决了神经网络损失景观的量化与提炼的问题，提出了一种基于拓扑数据分析的方法来描述损失景观的结构。通过量化损失景观的拓扑特征，我们揭示了神经网络在图像模式识别和科学机器学习中的模型性能和学习动态的新视角。

直接偏好优化(DPO)通过成对偏好数据推导奖励信号，以增强大型语言模型(LLMs)与人类偏好的对齐。研究表明，DPO损失函数在减少不喜欢的数据方面的速度快于增加首选数据的速度，这为DPO的改进提供了理论依据。