冷启动问题是推荐系统中长期存在的挑战。作为一种有前途的解决方案，基于内容的生成模型通常将冷启动项目的内容投影到热启动项目嵌入上，以捕获项目内容中的协作信号，以便可以应用协作过滤。然而，由于冷启动推荐模型的训练是在温数据集上进行的，现有的方法面临着项目的协作嵌入模糊的问题，这会显着降低冷启动项目推荐的性能 ...
在这项工作中，我们提出了最先进的神经协同过滤（NCF）项目推荐方法的联合版本。该系统名为 FedNCF，无需用户披露或传输其原始数据即可进行学习。数据本地化可保护数据隐私并遵守 GDPR 等法规 ...
Etsy 是一个全球市场，世界各地的人们在这里相互联系，制造、购买和销售独特的商品。 Etsy 的卖家可以通过类似于传统赞助搜索广告的广告活动来宣传他们的产品清单。点击率 (CTR) 预测是在线搜索广告系统的一个组成部分，它被用作拍卖的输入，拍卖确定针对每个查询向特定用户推荐的列表的最终排名 ...
协同过滤（CF）是许多推荐系统常用的成功方法。传统的基于 CF 的方法使用用户对项目的评分作为学习推荐的唯一信息来源。然而，在许多应用中，评级通常非常稀疏，导致基于 CF 的方法的推荐性能显着下降 ...
蛋白质设计的一种流行方法是将生成模型与条件采样的判别模型相结合。生成模型对合理的序列进行采样，而判别模型则指导搜索具有高适应度的序列。鉴于其在条件采样方面的广泛成功，分类器引导的扩散模型是蛋白质设计的一个有希望的基础，导致许多人开发用于具有反向折叠的结构的引导扩散模型以恢复序列 ...
确保通用人工智能 (AGI) 可靠地避免有害行为是一项严峻的挑战，特别是对于具有高度自治性或安全关键领域的系统而言。尽管有各种安全保障建议和极端风险警告，但平衡人工智能安全和能力的综合指南仍然缺乏。在这篇立场文件中，我们提出 \textit{AI-\textbf{$45^{\circ}$} Law} 作为实现可信赖 AGI 的平衡路线图的指导原则，并介绍 \textit{可信赖 AGI 的因果阶梯 ...
在这项工作中，我们探讨了手机上流式和非流式模式下关键字识别 (KWS) 模型的延迟和准确性。神经网络模型从非流模式（模型接收整个输入序列，然后返回分类结果）到流模式（模型接收部分输入序列并增量分类）的转换可能需要手动模型重写。我们通过设计一个基于 Tensorflow/Keras 的库来解决这个问题，该库允许以最小的努力将非流模型自动转换为流模型 ...
在快速发展的自动驾驶领域，准确预测未来事件并评估其影响的能力对于安全性和效率至关重要，对决策过程有重要帮助。世界模型已经成为一种变革性方法，使自动驾驶系统能够合成和解释了大量传感器数据，从而预测未来潜在的场景并弥补信息差距。本文对自动驾驶世界模型的现状和未来进展进行了初步概述，深入其理论基础、实际应用以及旨在克服现有局限性的持续性研究工作... ...
