现代推荐系统（RS）已经取得了巨大的成功，但它们仍然容易受到不良活动的影响，尤其是中毒攻击。这些攻击涉及将数据恶意注入RS的数据集中，从而损害其危害并收集推荐结果以获取非法利润。本调查论文对推荐投毒攻击（PAR）的研究领域进行了系统和最新的回顾... ...
大型多模态模型 (LMM) 的最新进展显着提高了跨不同任务的性能，并不断努力进一步集成视频和音频等其他模态。然而，大多数现有的 LMM 仍然容易产生幻觉，即事实多模态输入与生成的文本输出之间的差异，这限制了它们在各种现实场景中的适用性。本文首次系统地研究了 LMM 中的幻觉，涉及三种最常见的模式：语言、视觉和音频 ...
强化学习的效用受到奖励函数与人类利益相关者利益的一致性的限制。一种有前途的对齐方法是从人类生成的轨迹段对之间的偏好中学习奖励函数，这是一种来自人类反馈的强化学习（RLHF）。这些人类偏好通常被认为仅由部分回报（每个部分的奖励总和）决定 ...
近年来，多目标跟踪（MOT）引起了越来越多的关注，并取得了显着的进展。然而，现有的方法往往使用各种基本模型（例如检测器和嵌入模型）以及不同的训练或推理技巧等 ...
由于心电图数据集的不平衡性质，当前的计算机辅助心电图诊断系统难以检测到罕见但严重的心脏异常。本研究引入了一种使用自监督异常检测预训练的新方法来解决这一限制。异常检测模型专门设计用于检测和定位与正常心脏模式的细微偏差，捕获准确解读心电图所需的细微细节 ...
基于协同过滤（CF）的潜在因子模型（LFM），例如矩阵分解（MF）和深度CF方法，由于其优异的性能和推荐精度而广泛应用于现代推荐系统（RS）中。然而，成功也伴随着新出现的重大挑战：机器学习 (ML) 的许多应用本质上都是对抗性的。近年来，事实证明这些方法很容易受到对抗性例子的影响，即 ...
尽管自监督学习（SSL）作为表示学习的一种有前景的技术已被广泛研究，但由于大多数类主导特征空间，它在长尾数据集上的泛化效果不佳。最近的研究表明，通过采样额外的域内 (ID) 数据进行自监督训练可以提高长尾学习性能，但是，可以重新平衡少数类的大规模 ID 数据的收集成本很高。在本文中，我们提出了一种替代但易于使用且有效的解决方案，对比用于长尾学习（COLT）的分布外（OOD）数据，它可以有效地利用 ...
当 GPS 信号不可靠时，使用摄像头和 LiDAR 等车载感知传感器进行全球定位对于自动驾驶和机器人应用至关重要。大多数方法通过顺序位置识别（PR）和姿态估计（PE）来实现全局定位。一些方法为每个任务训练单独的模型，而另一些方法则采用具有双头的单个模型，并与单独的特定任务损失联合训练 ...
