本研究提出了一种零样本方法，结合大型语言模型与域外强化学习，提升智能体在复杂Atari游戏《青蛙跳跃》中的适应性和样本效率。

本研究比较了调整模型和极大语言模型在可检测可信度主张任务中的性能。实验结果表明，调整模型在跨域设置中优于零样本方法。

本研究比较了调整模型和极大语言模型在可检测可信度主张任务中的性能。实验结果表明，调整模型在跨域设置中优于零样本方法。

本文介绍了MixGR，一种零样本方法，通过融合不同粒度的度量标准，改善了领域特定的检索和复杂的查询-文档关系，提高了稠密检索器的匹配。实验证明，MixGR在多个科学检索数据集上相比以往的方法在nDCG@5上分别提高了24.7%和9.8%。同时，MixGR在科学领域的下游科学问答任务中也展现了优势。

本研究比较了调整模型和极大语言模型在可检测可信度主张任务中的性能。实验结果表明，调整模型在跨域设置中优于零样本方法。

研究人员提出了一种名为“随机共振变压器”（SRT）的零样本方法，通过子标记空间平移扰动输入图像，改善了Vision Transformers（ViTs）中的量化伪像问题。SRT可以有效地超分辨率预训练ViTs的特征，捕捉到更多的局部细粒度结构，并在多个任务上展现改进效果，无需微调。

我们提出了一种零样本方法，通过预训练的文本到图像扩散模型实现一致的文本到动画角色合成。利用现有的基于文本的动作扩散模型生成多样的动作，并使用其指导文本到图像模型，成功生成了具有不同动作和风格的时序一致的视频，优于现有的零样本文本到视频方法。

该文章介绍了一种名为GroundVLP的零样本方法，通过结合热力图和开放词汇检测器的对象提案，解决了视觉定位任务中数据标注不足的问题。实验结果显示该方法在RefCOCO/+/g数据集上超过了现有零样本方法的28％，在Flickr30k实体数据集上表现相当甚至更好。

通过图像因子分解为线性组件之和，提出了一种零样本方法来控制每个组件，生成根据观察距离改变外观的混合图像。使用灰度、彩色和运动模糊核分解图像，生成在不同条件下外观改变的图像。通过组合噪声估计进行去噪，恢复先前的生成和空间控制方法。扩展到从真实图像生成混合图像。

GenZI是一个零样本方法，用于生成3D人与场景的交互。它利用大型视觉-语言模型从二维人-场景组合的语义空间中提取交互先验知识，并通过迭代优化过程合成场景中的3D人模型的姿态和形状。与传统方法相比，GenZI不需要捕获3D交互数据，可以通过简单的文字提示进行控制。实验证明该方法具有高灵活性和广泛适用性。

本研究提出了一种基于上下文学习的零样本方法，用于语言隐藏。实验结果显示该方法产生了更多无罪和可理解的隐藏文本。

本综述论文概述了图像超分辨率中的扩散模型（DMs），分析了特征和方法论。研究了替代输入域、条件策略、指导、失真空间和零样本方法。讨论了DMs在图像超分辨率中的演变、趋势、挑战和未来方向。

本研究比较了调整模型和极大语言模型在可检测可信度主张任务中的性能。实验结果表明，调整模型在跨域设置中优于零样本方法。

本研究比较了调整模型和极大语言模型在可检测可信度主张任务中的性能。实验结果表明，调整模型在跨域设置中优于零样本方法。

本文介绍了一种名为MultiCapCLIP的零样本方法，可在多场景和多语言中生成视觉描述。该方法在四个基准测试和四种语言上相对于最先进的零样本和弱监督方法分别有4.8%和21.5%的绝对改进。

本综述论文概述了图像超分辨率中的扩散模型（DMs），强调了该领域的特征和方法论。探索了替代输入域、条件策略、指导、失真空间和零样本方法等研究方向。讨论了DMs在图像超分辨率中的演变、趋势、挑战和未来方向。

该研究介绍了一种创新的零样本方法，利用图像生成扩散模型实现无标记姿态估计，为下肢假肢的步态分析提供了有希望的解决方案。研究结果证实了这种方法的可行性，并强调其在推进下肢截肢者步态分析方面的潜力。

GenZI是第一个零样本方法，用于生成3D人与场景的交互。通过从大型视觉-语言模型中提取交互先验知识，利用自然语言描述和场景中的粗略点位置，合成场景中的3D人模型的姿态和形状。与传统方法相比，GenZI不需要捕获3D交互数据，使用简单易用的文字提示进行灵活控制。实验证明该方法适用于各种场景类型。

研究发现Vision Transformers（ViTs）中存在量化伪像，提出了一种零样本方法SRT来改善预训练ViTs处理空间量化的方式。SRT可以有效地超分辨率预训练ViTs的特征，捕捉到更多的局部细粒度结构。在不同任务中，SRT都能提高模型性能。此外，SRT还适用于非密集预测任务，产生了一致的改进效果。

本文提出了音频字幕的三个愿景：生成流畅的文本、生成忠实于输入音频的文本和提高听觉可感知性。通过零样本方法，使用推理过程进行字幕生成，涉及三个网络：GPT-2语言模型、ImageBind多模态匹配网络和文本分类器。在AudioCap数据集上展示了结果，证明了听觉指导明显提高了性能。