在某一注意力层开始计算之前，该层对应的 KV-Cache 会从 PE buffer 传输到 PE 的 HBM（3 和 4），用于计算未命中（cache-miss）的 prompt token 的 KV-Cache。在 PE 预填充期间，相应层的 KV-Cache 会从 DE 缓冲区中读取，这同样与计算过程相重叠（ 3-5）。在现有的预填充 - 解码分离（PD-disaggregated）架构中，所

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达今年的算法面试题真够新！Amusi在求职群和各大论坛上发现：AIGC相关的面试题猛增，特别是去年到今年爆火的大模型、多模态、扩散模型、SAM考察的知识点越来越多。这里特别整理了10道腾讯近期面经中代表性的算法面试题，你确定都会么？1. 解决LLM Hallucination的方法2. BART相较于 BERT 有哪些改进?3. 2

通过模仿学习，如今的机器人能够模仿视频演示中的动作，完成对应的任务。2）覆盖多样化的环境和任务类型；研究团队探索了TASTE-Rob对视频生成质量的帮助：对比了在TASTE-Rob数据集上微调（Coarse-TASTE-Rob）与在Ego4D数据集上微调（ Ego4D-Gen）的视频生成性能，两者间唯一的区别在于所使用的训练数据集不同。研究团队从三个评估维度上探索了三阶段视频生成流程对视频生成质量

再基于UDAF框架，通过大模型+结构化提示的混合流水线，提取标准化诊断标签；摒弃传统二进制硬标签，团队基于UDAF的9大诊断维度，构建连续语义相似度软标签：为每个诊断维度预定义标准化标签相似度矩阵，计算样本对在各维度的语义亲和力，再加权聚合得到样本对的整体语义先验相似度，形成B×B的软先验矩阵。团队将每个超声样本的文本标注，转化为样本专属的异质图：基于UDAF框架定义诊断节点和属性节点两类核心节点

自建数据中心、亲自运营物理算力，意味着梁文锋要把这套方法论从训练代码延伸到机房运营，从比特世界，一路打原子子世界。梁文锋曾表达反对“大力出奇迹”的资源堆砌模式，主张通过架构和工程效率优化来弥补硬件短板，让“小力”也能出奇迹。DeepSeek选择的落点是乌兰察布，它是国家”东数西算”工程八大枢纽节点之一，内蒙古算力集群的核心组成部分。华为云早在2013年就与乌兰察布合作，建设了华为云全球最大的云数据

这篇论文提出面向遥感目标检测的Strip R‑CNN，针对遥感图像中高长宽比细长目标检测难的问题，创新采用正交大条状卷积构建轻量高效的 StripNet 主干，通过序列式横竖长条卷积高效捕捉长程空间特征，并设计解耦的 Strip 检测头强化定位分支，有效提升细长目标定位与角度回归精度，模型仅约 30M 参数，在 DOTA‑v1.0、FAIR1M、HRSC2016、DIOR‑R 等多个遥感检测基准上

针对现有方法依赖隐式token导致的推理能力退化问题， IBISAgent以交错的文本推理与点击动作完全替代<SEG>token，保留了MLLM完整的语言能力，并通过多步MDP建模实现真正的自主迭代精化。进一步地，冷启动SFT结合自动轨迹生成建立稳健的推理先验，Agentic强化学习与细粒度奖励驱动模型超越模仿、探索最优决策策略，最终实现了细粒度的视觉推理。，以交错的文本推理与点击动作替代隐式to

DeepPro 在多个红外数据集上进行了全面验证，包括 NUDT-MIRSDT、NUDT-MIRSDT-HiNo、IRSDT-simulation、IRSatVideo-LEO、RGBT-Tiny 五大数据集（涵盖仿真数据集和实测数据集，天基视角数据集和陆基、空基视角数据集，显著目标数据集和极低信噪比/高噪数据集）。SCorM 的作用在于：利用前述理论分析揭示的目标信号与噪声/杂波在时域剖面上的相

ICML全称为国际机器学习会议（International Conference on Machine Learning）是机器学习与人工智能领域的国际顶级学术会议，该会议是机器学习领域历史最悠久的、规模最大、影响最广的顶级学术会议之一，也是中国计算机学会CCF推荐的A类会议。论文题目：EvoCF: Multi-Agent Collaboration via Agentic Memory-Driv

该论文作者包含李厚润（北京大学，导师为张铭教授），王一帆（对外经济贸易大学助理教授，校友，通讯作者），冉清华（北京大学数学学院），罗钧宇（北京大学，导师为张铭教授），肖之屏（华盛顿大学，北大校友），杨加（北京大学），周昌令（北京大学），琚玮（四川大学副研究员，北大校友），罗霄（威斯康星大学麦迪逊分校，校友，通讯作者），张铭教授（北京大学，通讯作者）。最后，CELL 构建公平感知的跨域二部图，肖之屏