精确地对用户超长序列进行建模对于工业推荐系统至关重要。当前的方法主要集中于在排名阶段利用超长序列，而对候选阶段的研究仍然不足。本文介绍了Longretriever，这是将超长序列纳入推荐人的检索阶段的实用框架 ...
图自监督学习现在是预训练图基础模型的首选方法，包括图神经网络、图转换器和最新的基于大语言模型（LLM）的图模型。图的结构和属性中嵌入了多种可用于预训练的知识模式，但我们缺乏从图知识的角度对自监督预训练任务的系统概述。本文从基于知识的角度全面考察和分析图基础模型的预训练任务，包括微观知识（节点、链接等）和宏观知识（集群、全局结构等） ...
由大型语言模型提供动力的代理商取得了令人印象深刻的结果，但是有效地处理互动过程中产生的大量历史数据仍然是一个挑战。当前的方法是设计一个存储模块，以便代理处理这些数据。但是，现有的方法（例如内存库和A-MEM）的存储内存含量质量较差，这会影响回忆性能和响应质量 ...
大型语言模型（LLM）的最新进展使人们对基于LLM的代理商对复杂的计划任务的兴趣日益增加。为了避免代理训练昂贵，许多研究采用了通过离线体验或在线轨迹分析增强LLM的记忆机制。但是，现有的作品着重于由动态环境相互作用得出的单个颗粒性记忆，这些记忆固有地受到收集经验的质量的约束 ...
本文介绍了代理商，这是一个模块化框架，用于基于建筑物代理的系统，能够在复杂数据上进行结构化推理和组成概括。考虑到研究和实际应用，Agentics设计了一个新颖的观点，可以使用数据和AI工作流。在此框架中，代理是从逻辑流中抽象的，它们内部用于数据类型，以实现数据之间的逻辑传输 ...
图形神经网络（GNN）是一种经过图形训练并已成功应用于各个领域的一种深度学习模型。尽管GNN具有有效性，但GNN有效地扩展到大图仍然具有挑战性。作为一种补救措施，分布式计算成为训练大规模GNN的有前途的解决方案，因为它能够提供丰富的计算资源 ...
图形神经网络（GNN）已被证明是广泛应用领域中强大的算法模型，用于对图形学习的有效性。为了扩展GNN培训以进行大规模和不断增长的图表，最有前途的解决方案是分布式培训，该培训分布在多个计算节点上分配培训的工作量。目前，有关分布式GNN培训的相关研究的数量异常广泛，伴随着非常迅速的出版物 ...
图神经网络（GNN）在从图形结构数据中学习方面取得了巨大的成功。它们被广泛用于各种应用程序，例如建议，欺诈检测和搜索。在这些域中，这些图通常很大，包含数亿个节点和数十亿个边缘 ...
