社区检测是社交网络分析中的一个基本问题,包括无监督的分裂社会参与者(社交图中的节点),以及某些社交联系(社交图中的边缘),与每个群体都与其他群体分开。社区检测的经典方法通常仅处理网络结构,而忽略其节点的特征(称为节点属性),尽管许多现实世界中的社交网络都提供了其他参与者的信息,例如兴趣。人们认为,属性可能会澄清和丰富有关演员的知识,并使社区有意义 ...
生物医学命名实体识别(NER)提出了由于专门的词汇,庞大的实体以及新实体的持续出现而引起的独特挑战。受固定分类法和人类注释约束的传统NER模型努力概括超出预定义的实体类型。为了解决这些问题,我们介绍了Gliner-Biomed,这是针对NER(Gliner)模型的域名适应性套件(Gliner)模型,专门针对生物医学量身定制 ...
可概括的类人动物操作提出了重大挑战,需要协调的全身控制和精确的,富含接触的物体操纵。为了解决这个问题,本文介绍了HOMIE,这是一种半自治的远程操作系统,结合了映射到踏板的身体控制的增强学习政策,用于手臂控制的同构外骨骼外骨骼手臂,以及用于手动控制的运动感应手套,形成统一的驾驶舱,以自由操作人体机器机器机器机器机器机器机器机器机器机器机器机器机器机器机器机器机器机器人飞行型飞行,并建立了数据飞行。 ...
学习分析(LA)和教育中的人工智能的快速扩展(AIED)提供了新的可扩展,数据密集型系统,但也引起了人们对数据隐私和代理的关注。除了学生和老师之类的利益相关者之外,从设计过程中不包括利益相关者可能会导致不信任和不足的工具。尽管在最近的LA和AIED研究中转向以人为本的设计,但我们对人类控制,安全性,可靠性和可信度在这些系统的设计和实施中的重要性的理解仍然存在差距 ...
Experts(MOE)大型语言模型(LLM)的混合物(LLMS)利用动态路由和稀疏激活来提高效率和可扩展性,在降低计算成本的同时,实现了更高的性能。但是,这些模型面临着重要的内存开销,限制了它们的实际部署和更广泛的采用。训练后量化(PTQ)是一种用于压缩LLM的广泛使用的方法,当应用于MOE模型时会遇到严重的准确性降解并减少概括性能 ...
大型语言模型(LLMS)最近在自然语言处理领域的各种推理任务中取得了巨大的成功。 LLM的成功也激发了它们在与图形相关的任务中的使用。除其他外,最近的工作探索了LLMS是否可以解决图形问题,例如计算图形的连接组件数量或计算两个节点之间的最短路径距离 ...
在大型语言模型(LLM)的时代,``系统i''〜-〜快速,无意识和直观的任务的任务,例如情感分析,文本分类等 ...
在一次尝试中解决复杂的任务对于大型语言模型(LLM)来说是具有挑战性的。通常需要与环境和反馈的迭代互动来取得成功,从而使有效的反馈利用成为关键主题。现有的方法要么在泛化长度上挣扎,要么依赖于幼稚的恢复,而无需利用先前的信息 ...