面部识别系统容易受到物理和数字攻击的影响，带来了严重的安全风险。传统方法通常由于其独特的特征而分别对这两种攻击类型进行处理。因此，当被攻击合并时，几乎所有方法都无法处理 ...
Reconstruction Enhanced Multi-View Contrastive Learning for Anomaly Detection on Attributed Networks
在许多实际应用中，例如财务欺诈检测和网络安全，从归因网络中检测异常节点非常重要。由于异常节点与其他对应物之间的复杂相互作用及其在属性方面的不一致之处，因此这项任务是具有挑战性的。本文提出了一个自我监督的学习框架，该框架共同优化了基于学习的多视图对比度模块和基于属性重建的模块，以更准确地检测属性网络的异常情况 ...
我们考虑开放世界信息提取（开放世界IE）的问题，该问题从非结构化的文本中提取了全面的实体概况。与传统的信息提取（IE）的封闭世界不同，开放世界IE考虑了一个更普遍的情况，在这种情况下，实体和关系可能超出了预定义的本体论。更重要的是，我们寻求开发一个能够执行开放世界IE的大型语言模型（LLM），以提取具有（可能是细粒度的）自然语言指示的理想实体概况 ...
随着大型语言模型（LLM）的深刻发展，他们的安全问题引起了人们的关注。但是，对于LLM，中国安全基准很少，现有的安全分类法是不足的，在正宗的中国场景中缺乏全面的安全检测能力。在这项工作中，我们介绍了ChisafetyBench，这是一种专门的安全基准，用于评估LLMS在识别危险内容和拒绝在中文环境中拒绝回答风险问题的能力的能力 ...
由于人类的外观和姿势多种多样，而且高质量训练数据的可用性有限，从单个图像创建高保真、可动画的 3D 全身头像是一项具有挑战性的任务。为了实现快速、高质量的人体重建，这项工作从数据集、模型和表示的角度重新思考了任务。首先，我们介绍一个以人类为中心的大规模生成数据集 HuGe100K，它由 100K 个多样化的、逼真的人类图像集组成 ...
随着对大语言模型（LLM）和AI代理的需求迅速增长，为有效的LLM推理的优化系统变得至关重要。尽管重大努力针对系统级工程，但通过数学建模和排队的角度探索了很少的努力。在本文中，我们旨在开发LLM推论的排队基础，弥合排队和LLM系统社区之间的差距 ...
IE（IE）的挑战在于标签模式的多样性和结构的异质性。传统方法需要针对特定任务的模型设计 ...
随着在线信息量的不断增长，推荐系统已成为克服信息过载的有效策略。鉴于推荐系统在许多，应用程序中的广泛采用，以及它对改善与过度选择相关的许多问题的潜在影响，推荐系统的实用性怎么强调都不为过。近年来，深度学习在计算机视觉和自然语言处理等许多研究领域引起了人们的极大兴趣，不仅因为它出色的性能，而且还因为它具有从头开始学习特征表示的诱人特性... ...
