大规模云数据中心由于其高可用性，弹性，可扩展性和低成本而变得越来越受欢迎。但是，由于缺乏适当的资源利用和早期失败检测，当前的数据中心继续具有高失败率。为了最大程度地提高资源效率并降低大规模云数据中心的故障率，了解工作量和故障特征至关重要 ...

定向物体检测在过去几年中发展迅速，其中旋转等方差对于检测器预测旋转框至关重要。当物体旋转时，期望预测能够保持相应的旋转，但是当物体在边界角度附近旋转时，有时会观察到角度预测的严重突变，这就是众所周知的边界不连续问题。长期以来 ...

事实证明，机器人学习是编程操纵器的一般有效技术。模仿学习能够仅从人类的示威活动中教机器人，但被示威的能力所束缚。强化学习使用探索来发现更好的行为。但是，可能的改进空间可能太大而无法从头开始 ...

可解释的建议表明，它在提高建议性说服力，用户满意度，系统透明度等方面具有巨大的优势。可解释建议的一个基本问题是如何评估解释。在过去的几年中，已经提出了各种评估策略 ...

在许多实际任务中，功能正在发展，某些功能消失了，其他功能增加了。例如，在环境中监视某些传感器已过期的，而某些新的传感器则部署；在手机游戏建议中，一些游戏下降了，而一些新游戏却添加了。以这种增量和降低特征学习至关重要，但很少研究，尤其是当数据像流一样出现时，因此将整个数据保留以进行优化是不可行的 ...

提供用户易于理解的解释来证明推荐的合理性可以帮助用户更好地理解推荐的项目，提高系统的易用性并赢得用户的信任。实现它的典型方法是自然语言生成。然而，之前的工作大多采用循环神经网络来达到目的，而潜在的更有效的预训练 Transformer 模型尚未得到充分探索... ...

协作过滤（CF）是现代推荐系统中的关键技术。 CF模型的学习过程通常由三个组成部分组成：相互作用编码，损耗函数和负抽样。尽管许多现有的研究提出了各种CF模型来设计复杂的交互编码器，但最近的工作表明，简单地重新重新提出损失功能可以实现显着的绩效提高 ...

联邦学习已成为不同政党之间隐私合作的有前途的范式。最近，随着联邦学习的普及，大量方法涌入了不同的现实挑战。在这项调查中，我们对联邦学习研究的重要和最新发展提供了系统的概述 ...