新闻中心 
-
03-27准确率 >98%，基于电子密度的 GPT 用于化学研究，登 Nature 子刊编辑|紫罗可合成分子的化学空间是非常广阔的。有效地探索这个领域需要依赖计算筛选技术，比如深度学习，以便快速地发现各种有趣的化合物。将分子结构转换为数字表示形式，...
-
01-23了解深度Q网络的工作原理深度Q网络（DQN）是基于深度学习技术的一种强化学习算法，专门用于解决离散动作空间的问题。该算法由DeepMind在2013年提出，被广泛视为深度强化学习领域的...
-
01-22探究RNN、LSTM和GRU的概念、区别和优劣在时间序列数据中，观察之间存在依赖关系，因此它们不是相互独立的。然而，传统的神经网络将每个观察看作是独立的，这限制了模型对时间序列数据的建模能力。为了解决这个问...
-
01-22解析零样本学习(ZSL)的定义与意义零样本学习(ZSL)是一种机器学习范例，利用预先训练的深度学习模型来推广新类别的样本。它的核心思想是将已有的训练实例中的知识转移到测试实例的分类任务中。具体而言...
-
01-01TRIBE实现领域适应的鲁棒性，在多真实场景下达到SOTA的AAAII 2025测试时领域适应（Test-TimeAdaptation）的目的是使源域模型适应推理阶段的测试数据，在适应未知的图像损坏领域取得了出色的效果。然而，当前许多方法都...
-
10-11GPT-4的人类化推理能力大幅提升！中国科学院提出「思维传播」，类比思考超越CoT，即刻应用如今，GPT-4、PaLM等巨型神经网络模型横空出世，已经展现出惊人的少样本学习能力。只需给出简单提示，它们就能进行文本推理、编写故事、回答问题、编程........
