事实证明， Transformer 是CTR预测的特征交互的重要方法，在以前的工作中取得了巨大的成功。但是，它在处理特征交互作用方面也带来了潜在的挑战。首先，在捕获特征交互时， Transformer 可能会遇到信息丢失 ...
对比表示学习在医学时间序列分析中至关重要，因为它可以减轻对劳动密集型，特定领域和稀缺专家注释的依赖。但是，现有的对比学习方法主要集中在一个单个数据级别上，这无法完全利用医疗时间序列的复杂性质。为了解决这个问题，我们提出了彗星，这是一个创新的层次结构框架，它利用医疗时间序列中所有固有级别的数据一致性 ...
最近开始采用深入学习方法来解决工业质量控制中的表面缺陷检测问题。但是，由于学习所需的大量数据通常需要高精度标签，因此无法轻易解决许多工业问题，或者由于注释要求，解决方案的成本将大大增加。在这项工作中，我们放宽了完全监督学习方法的大量要求，并减少了对高度详细注释的需求 ...
系统评价（SRS）对于高利益学科（例如医疗保健）中的循证实践至关重要，但通常会受到大量劳动和冗长的过程的阻碍，这些过程可能需要几个月的时间才能完成。由于对域专业知识的需求很高，现有的自动摘要方法无法准确识别相关研究并产生高质量的摘要。为此，我们引入了Insightagent，这是一种以人为中心的交互式AI代理，由大型语言模型驱动，彻底改变了这一工作流程 ...
软件漏洞代表了对计算系统最紧迫的威胁之一。确定源代码中的漏洞对于保护用户隐私和减少经济损失至关重要。传统的静态分析工具依靠具有安全性知识的专家来手动制定操作规则，该过程需要大量时间和人力成本，并且在适应新漏洞方面也面临挑战 ...
在本文中，我们提出\ textbf {\ textsc {fastcurl}}，这是一种有效而有效的\ textbf {cu} rriculum \ textbf {r} einforevement \ textbf {r} einforkection \ textbf {l}通过在上下文中促进策略，以加强型号的范围，以实现型号的范围，以加强型号的范围，以加强型号的范围，以加强型号的效力，该策略的 ...
最近的研究表明，（生成）扩散模型中的去噪过程可以在模型内部产生有意义的（有区别的）表示，尽管这些表示的质量仍然落后于通过最近的自我监督学习方法学到的质量。我们认为，训练大规模扩散模型的一个主要瓶颈在于有效学习这些表示。此外，通过结合高质量的外部视觉表示，可以使训练变得更容易，而不是仅仅依靠扩散模型来独立学习它们 ...
倒文件结构是加速密集检索的常见技术。它根据其嵌入将文档结合在一起；在搜索过程中，它探测附近的簇W.R. ...
