论文标题：流形约束超连接 (Manifold-Constrained Hyper-Connections, mHC)核心问题：针对超连接 (Hyper-Connections, HC) 扩展残差流宽度时破坏恒等映射、引发训练不稳定性和高内存开销的问题，提出一种约束性框架。目标：恢复残差连接的稳定性与可扩展性，同时保持HC的性能增益。基准模型：基于DeepSeek-V3的MoE架构，进行了3B、9B

红外小目标检测是一项重要的计算机视觉任务，涉及在红外图像中识别和定位微小物体，这些物体通常仅包含几个像素。然而，由于物体尺寸极小以及红外图像中通常复杂的背景，这项任务面临困难。在本文中，我们提出了一种深度学习方法 HCF-Net，通过多个实用模块显著提高了红外小目标检测的性能。具体来说，它包括并行补丁感知注意力（PPA）模块、维度感知选择性集成（DASI）模块和多空洞通道细化器（MDCR）模块。P

复杂度的检测模型虽然可以取得SOTA的精度，但它们往往难以直接落地应用。模型压缩方法帮助模型在效率和精度之间进行折中。知识蒸馏是模型压缩的一种有效手段，它的核心思想是迫使轻量级的学生模型去学习教师模型提取到的知识，从而提高学生模型的性能。基于特征的（feature-based，例如VID、NST、FitNets、fine-grained feature imitation）

CMU和google brain联手推出了bert的改进版xlnet。在这之前也有很多公司对bert进行了优化，包括百度、清华的知识图谱融合，微软在预训练阶段的多任务学习等等，但是这些优化并没有把bert致命缺点进行改进。xlnet作为bert的升级模型，主要在以下三个方面进行了优化今天我们使用xlnet+BiLSTM实现一个二分类模型。

TextRNN仅仅是将Word Embedding后，输入到双向LSTM中，然后对最后一位的输出输入到全连接层中，在对其进行softmax分类即可，模型如下图：代码：TextRNN_ATT在TextRNN的基础上加入注意力机制，代码：数据集数据集采用cnews数据集，包含三个文件，分别是cnews.train.txt,cnews.val.txt,cnews,test.txt。类别：体育, 娱乐,

MMDetection 是被广泛使用的检测工具箱，包括了目标检侧、实例分割、全景分割等多个通用检测方向，并支持了75+个主流和前沿模型， 为用户提供超过440+个预训练模型, 在学术研究和工业落地中拥有广泛应用。该恇架的主要特点为:模块化设计。MMDetection 将检测框架解耦成不同的模块组件，通过组合不同的模块组件，用户可以便捷地构建自定义的检测模型支持多种检测任务。MMDetection

在复杂场景中跨视频帧稳健地关联相同对象是许多应用的关键，特别是多目标跟踪（MOT）。当前方法主要依赖于标注的特定领域视频数据集，这限制了学习到的相似度嵌入的跨域泛化能力。我们提出了MASA，一种新颖的方法用于稳健的实例关联学习，该方法能够在不同领域内的视频中匹配任何对象，而无需跟踪标签。MASA利用Segment Anything Model（SAM）丰富的对象分割结果，通过详尽的数据变换来学习实

目标检测是计算机视觉的基本任务之一，其目的是在图像中定位和识别目标。根据是否生成锚点，可以将它们分为基于锚点和无锚点的方法。基于锚点的算法包括Faster R-CNN [1]、YOLO（You Only Look Once）系列 [2]、SSD（Single Shot MultiBox Detector） [3]和RetinaNet [4]。

红外小目标检测是一项重要的计算机视觉任务，涉及在红外图像中识别和定位微小物体，这些物体通常仅包含几个像素。然而，由于物体尺寸极小以及红外图像中通常复杂的背景，这项任务面临困难。在本文中，我们提出了一种深度学习方法 HCF-Net，通过多个实用模块显著提高了红外小目标检测的性能。具体来说，它包括并行补丁感知注意力（PPA）模块、维度感知选择性集成（DASI）模块和多空洞通道细化器（MDCR）模块。P

将文件从一台服务器上传到另一台服务器上用到了scp命令。scp（Secure Copy Protocol）命令用于在本地和远程主机之间或两个远程主机之间安全地复制文件或目录。它基于SSH协议，因此文件传输过程中会进行加密。以下是scp。