基于大型语言模型（LLM）的冷启动推荐系统在数十亿级的情况下继续面临重大的计算挑战，因为它们遵循“文本对判断”范式。此方法处理用户项目的内容对作为输入，并迭代评估每对。为了维持效率，现有方法依赖于对用户项目对的小候选池进行过滤 ...

电子商务中的赞助搜索提出了几个独特而复杂的挑战。这些挑战源于诸如搜索查询和产品名称之间的不对称语言结构，用户搜索意图的固有歧义以及大量稀疏和不平衡的搜索语料库数据。检索组件在赞助的搜索系统中的作用至关重要，它是直接影响随后的排名和竞标系统的初始步骤 ...

有效的沟通培训对于为护士准备高质量的患者护理至关重要。尽管标准化的患者（SP）模拟提供了有价值的体验学习，但它们通常是昂贵且不灵活的。虚拟患者（VP）系统提供了可扩展的替代方案，但大多数无法适应受训者的沟通技巧 ...

分解机（FMS）是一种监督学习方法，通过合并二阶特征相互作用来增强线性回归模型。尽管有效，但FM的所有特征相互作用与相同的重量都可以阻碍FM，因为并非所有特征相互作用都同样有用和预测性。例如，与无用功能的互动甚至可能引入噪音并不利地降低性能 ...

场景文本检测是场景文本阅读系统的重要步骤，目睹了卷积神经网络的快速发展。尽管如此，仍然存在两个主要挑战，并阻碍了其对现实应用程序的部署。第一个问题是速度和准确性之间的权衡 ...

我们提出了MAC-VO，这是一种基于学习的新型立体声VO，它利用学习指标的匹配不确定性来实现双重目的：选择关键点并在姿势图优化中权衡残留物。与传统的几何方法相比，优先考虑纹理效果（例如边缘）的功能，我们的Kepoint选择器采用了学习的不确定性来过滤基于全局不一致的低质量功能。与基于学习的算法相反，该算法对协方差建模为协方差的尺度不合时式对角度矩阵，我们设计了一个指标感知的协方差模型，以捕获关键点 ...

微调语言模型（LMS）在多样化的下游任务上取得了成功，但是随着LMS的规模的增长，反向传播需要大量的记忆力。零阶（ZO）方法原则上只能使用两个正向通过，但理论上将灾难性地用于优化大型模型。在这项工作中，我们提出了一个记忆效率高的零件优化器（MEZO），将经典的ZO-SGD方法调整为现场操作，从而使LMS具有与推理相同的内存足迹的微调LMS ...

全景分割涉及关节语义分割和实例分割的组合，其中图像内容分为两种类型：事物和东西。我们提出了Panoptic Segformer，这是用于使用 Transformer 的泛型分割的一般框架。它包含三个创新组件：一种有效的深度监督面罩解码器，一种查询解耦策略以及改进的后处理方法 ...