大型语言模型 (LLM) 促进了自然语言处理 (NLP) 领域的重大进步，但它们也遇到了诸如幻觉和对特定领域知识的需求等挑战。为了缓解这些问题，最近的方法将从外部资源检索到的信息与 LLM 相结合，大大提高了它们在 NLP 任务中的表现。本调查论文解决了检索增强语言模型 (RALM)、检索增强生成 (RAG) 和检索增强理解 (RAU) 缺乏全面概述的问题，深入研究了它们的范式、演变、分类和应用程 ...

微电网（MG）的出现为电网脱碳和分散化、缓解气候变化带来的挑战提供了一种有前景的解决方案。然而，MG运营往往涉及考虑代表不同利益相关者利益的多个目标，从而导致潜在的复杂冲突。为了解决这个问题，我们提出了一种新颖的多目标强化学习框架，该框架探索高维目标空间并揭示冲突目标之间的权衡 ...

本文提出了一种新颖的安全强化学习算法，用于日前电力市场中虚拟发电厂（VPP）的战略竞价。所提出的算法利用深度确定性策略梯度（DDPG）方法来学习竞争性投标策略，而不需要准确的市场模型。此外，为了考虑 VPP 复杂的内部物理约束，我们对 DDPG 方法引入了两个增强功能 ...

在现代交通管理中，最重要但最具挑战性的任务之一是准确、及时地预测交通。经过充分的调查和检验，基于深度学习的时空模型在利用交通数据中的时空关系时具有优势。通常，数据驱动模型需要大量数据，但由于设备部署和维护成本等限制，在小城市收集数据可能很困难 ...

当前的大型语言模型（LLM）是否可以通过参数更新更好地解决图形推理和生成任务？在本文中，我们提出了 InstructGraph，这是一个框架，通过指令调整和偏好对齐，赋予 LLM 图形推理和生成的能力。具体来说，我们首先提出一种结构化格式语言器，将所有图数据统一为通用的类似代码的格式，它可以简单地表示图，而无需任何外部特定于图的编码器。此外，还引入了图形指令调整阶段来指导 LLM 解决图形推理和生 ...

对于图神经网络（GNN）来说，大规模图训练是一个众所周知的挑战性问题。由于图结构演化到训练过程中的性质，受 GPU 内存空间的限制，普通 GNN 通常无法扩展。到目前为止，尽管已经提出了许多可扩展的 GNN 架构，但我们仍然缺乏对这个库的全面调查和公平的基准来寻找设计可扩展 GNN 的基本原理 ...

大规模预训练语言模型 (PLM) 已成为自然语言处理 (NLP) 的新范例。具有数千亿个参数的 PLM（例如 GPT-3）通过 \textit{few-shot in-context} 学习在自然语言理解和生成方面表现出了强大的性能。在这项工作中，我们展示了训练名为 PanGu-$\alpha$ 的大规模自回归语言模型的实践，该模型具有多达 2000 亿个参数 ...

时空预测是城市计算中的关键类型任务，例如交通流量和空气质量 ...