NeuroAbs: A Neuro-Symbolic RTL Abstraction Framework for Property Checking Acceleration
NeuroAbs融合大语言模型与符号验证,实现自动化、可靠的RTL抽象,显著加速硬件属性检查。
NeuroAbs融合大语言模型与符号验证,实现自动化、可靠的RTL抽象,显著加速硬件属性检查。
SNIPTEST通过逐层代码切片和定向模糊测试,高效验证静态分析警告,实现自动化漏洞分流。
提出基于元路径字典树和硬件协同设计的冗余消除采样范式,大幅提升异构图神经网络小批量推理效率。
本文首次系统研究Java项目中隐式依赖的普遍性、风险与应对措施,为依赖管理提供新视角。
TransAnyText通过结构化视觉代码框架,将图像文本翻译转化为HTML生成,实现了高准确性、视觉一致性和可编辑性的统一。
DepTGL通过创新的时序依赖管理机制,实现了记忆型时序图神经网络的高效分布式训练,平均加速5倍。
PISA通过利用CLIP跨损坏不变性生成伪个体源域特征,实现无源域测试时适应,显著提升开放词汇检测在域偏移下的性能。
CoRun 通过调度策略利用位置不变性,在不修改内核的情况下实现确定性 LLM 推理,同时大幅提升性能。
MagnifiQ通过卷积化扩散模型和渐进式上采样策略,实现高效且高质量的4K图像恢复。
VICBench 通过双重验证机制构建了多语言、高复杂度的漏洞引入提交基准,揭示了现有检测算法的性能瓶颈。
NaviDC-OCR通过形变感知、自适应采样和内容-结构解耦学习,实现了对数字与拍摄文档的高鲁棒性统一解析。
MergeOver通过后训练令牌合并技术,无需重新训练即可在递归视觉Transformer中显著降低内存和延迟,为边缘部署提供高效基线。
提出Hand2Bot数据集和PassGen生成流水线,利用视频扩散和面部编码生成真实RGB-D交接视频,提升机器人交接预测的准确性和实时性。
提出Pareto感知自编码器辅助分层强化学习框架,通过两阶段降维实现RIS辅助大规模IoT系统的高效在线资源分配。
AutoDesign通过元框架优化实现智能体系统的递归自我改进,在学术海报生成任务上显著超越现有方法。
AVA-Encoder通过知识图谱自编码实现智能体可理解和可操作的视频表示,显著提升重建质量和智能体效率。
Lonic通过算法-硬件协同设计,实现INT4精度下全局部在线SNN训练的高能效硬件加速。
CAKE通过编译器与智能体协同设计,以硬件显式IR打破黑盒壁垒,实现高性能GPU内核的自动化进化。
通过块混合注意力机制,将线性注意力改造进预训练扩散语言模型,实现高效推理加速。
提出反思引导的在线自蒸馏框架,实现GUI视觉定位的测试时自进化,无需人工标注即可持续提升性能。
首个基于真实AI框架PR的Triton内核生成基准,通过端到端评估揭示LLM在实际工程任务中的不足。
提出语义感知多模态预训练框架,显式建模表格二维结构,通过重要性掩码和软标签离散化提升医学诊断性能。
SKILLER 通过自然语言强化学习为小型模型自动生成高效技能,显著降低智能体部署成本并提升性能。
通过文本到视频生成模型构建合成视频表征,实现零样本视频字幕生成的高效跨模态对齐。
AraSSM首次构建了专为阿拉伯语设计的双向Mamba编码器,以线性复杂度在消费级硬件上实现了媲美Transformer基线的NLU性能。
CodecArena 通过视觉强化学习实现了首个基于视觉语言模型的视频编码质量评估框架,以五维保真度锚定提供细粒度、可解释的编码质量判断。
SLIM通过自监督动作-接地潜在预测,用0.5B参数实现高效机器人操作,性能媲美大型VLA模型。
PDFuzzer利用LLM和约束求解自动生成复杂API调用序列,显著提升PDF引擎模糊测试的覆盖率并发现31个零日漏洞。
首次系统研究LLM-as-a-Judge范式用于二进制逆向工程评估,提出BinJudgeBench基准和自适应路由机制BinJudge,实现高保真低成本评估。
提出身份条件查询任务和系统ISYV,实现人物中心视频推理,填补多模态身份匹配与行为理解空白。