推荐系统(RS)在管理现代数字服务中的信息过载方面至关重要。 RS中的一个主要挑战是有效地处理大量项目池,以在严格的延迟限制下提供高度个性化的建议。多阶段级联排名通过采用计算有效的检索方法来涵盖多样化的用户兴趣,然后使用更精确的排名模型来完善结果,从而解决了这一问题 ...
0 0 0 2025/04/03 arXiv:2410.16080v1 RrsTang
联合推荐系统(FedRecs)被认为是隐私保护技术,可以在不共享用户数据的情况下协作学习推荐模型。由于所有参与者都可以通过上传梯度直接影响系统,因此FedRecs容易受到恶意客户的中毒攻击。但是,大多数现有的对联邦军的中毒攻击要么是基于一些先验知识或效率较小的 ...
0 0 0 2025/04/03 arXiv:2304.03054v3 13460850092
自动测试在确保软件安全性方面起着至关重要的作用。它在很大程度上依赖正式规格来验证系统行为的正确性。但是,定义这些形式规格的主要方法是通过对软件文档进行的手动分析,这需要经验丰富的研究人员和工程师的大量工程工作 ...
0 0 0 2025/04/03 arXiv:2504.01294v1 ifzz
归纳关系预测(IRP) - 实体在训练和推理过程中可能有所不同)显示出了完成不断发展的知识图的强大力量。现有作品主要集中于使用图形神经网络(GNN)学习从目标链接引起的子图的表示,这可以看作是一个隐含的规则挖掘过程,以衡量目标链接的合理性。但是,这些方法无法区分消息传递期间的目标链接和其他链接,因此,最终子图表示将包含与目标链接无关的规则信息,从而降低了推理性能,并严重阻碍了现实世界情景的应用程序 ...
0 0 0 2025/04/03 arXiv:2408.07088v2 xuexizhanghao
预计多模式学习将通过整合来自不同模式的信息来提高模型性能。但是,它的潜力并没有得到充分利用,因为广泛使用的联合训练策略(对所有方式都具有统一的目标)导致不平衡和优化的Uni-Modal表示形式。具体来说,我们指出,通常存在更多歧视性信息的方式,例如 ...
0 0 0 2025/04/03 arXiv:2410.11582v1 ssa
BCSD(BCSD)是各种应用的基本技术。最近提出了许多BCSD解决方案,它们大多是基于嵌入的,但其准确性和效率有限,特别是当要搜索的目标二进制文件量很大时。为了解决这个问题 ...
0 1 0 2025/04/03 arXiv:2402.18818v1 1546165200
尽管最近在视觉描述的多模式预训练方面取得了进步,但最先进的模型仍然会产生包含错误的字幕,例如场景中不存在的幻觉对象。现有的物体幻觉的杰出指标(椅子)仅限于一组固定的可可对象和同义词。在这项工作中,我们提出了一个现代化的开放式视频指标Aloha,该指标利用大型语言模型(LLMS)来衡量对象幻觉 ...
0 0 0 2025/04/03 arXiv:2404.02904v1 zl1994
持续学习(CL)旨在学习新任务,同时保留现有知识。事实证明,从早期任务中重播样本是减轻先前获得的知识的有效方法。但是,目前关于基于排练方法的训练效率的研究不足,这限制了CL系统在资源有限的方案中的实际应用 ...
0 0 0 2025/04/03 arXiv:2410.06645v4 19396386025

来一起翻译吧!


为了您和其他读者获得更好的阅读体验,请您勇敢地改进翻译,特别是一些显而易见的机器翻译错误。


虽然我们追求卓越,但我们并不要求翻译十全十美,因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译,您不必担心会因为您的失误导致无法挽回的破坏。(改编自维基百科)