忘记是指先前获得的知识的损失或恶化。尽管现有有关忘记的调查主要集中在持续学习上，但忘记是在深度学习中其他各种研究领域中观察到的普遍现象。忘记在研究领域（例如生成器移动引起的生成模型）以及由于跨客户的异质数据分布而导致的联合学习 ...

本文提出了Fabg（面部情感行为产生），这是一种用于人类机器人相互作用的端到端模仿学习系统，旨在产生自然和流体的面部情感行为。在互动中，有效地获得高质量的示范仍然是一个挑战。在这项工作中，我们开发了一个沉浸式虚拟现实（VR）演示系统，该系统允许操作员感知立体环境 ...

工业推荐系统通常从多种业务方案中保存数据，并有望同时为这些方案提供建议服务。在检索步骤中，从大量语料库中选择的TOPK高质量项目通常需要在多种情况下都是各种各样的。以阿里巴巴展示广告系统为例，不仅是因为淘宝用户的行为模式是多样的，而且广告客户分配的方案的出价价格也有很大差异 ...

面部表情在人类交流中至关重要，并且显着影响人类互动（HRI）的结果，例如可爱，信任和伴侣。但是，当前生成机器人面部表情的方法通常是劳动密集型的，在环境和平台之间缺乏适应性，并且具有有限的表现力范围 - 领导着降低相互作用质量的重复行为，尤其是在长期的情况下。我们介绍了Xpress，该系统利用语言模型（LMS）通过三相过程动态生成机器人的上下文感知面部表达式：编码时间流，上下文上的条件表达式以及生成 ...

大型语言模型（LLM）在数学推理方面表现出了令人印象深刻的进步。尽管数据增强有望增强数学问题解决能力，但当前的方法主要限于实例级的修改，例如重新绘制或生成语法变量，而这些变化无法捕获和利用数学知识固有的内在关系结构。受到人类学习过程的启发，在该过程中，数学能力通过系统地接触相互联系的概念而发展，我们引入了MathFusion，这是一个新颖的框架，通过跨问题指导综合增强了数学推理 ...

用户端群体公平性对于现代推荐系统至关重要，旨在减轻由性别、种族或年龄等敏感属性定义的用户群体之间的性能差异。在不断发展的用户-项目交互领域，不断适应新收集的数据对于推荐系统与最新的用户偏好保持一致至关重要。然而，我们观察到这种持续的适应往往会加剧性能差异 ...

在现实场景中，用户通常在同一个话语中有多个意图。不幸的是，大多数口语理解（，大多数口语理解（ ...

基于表格的推理在将深度模型与离散推理相结合方面取得了显着进展，这需要对自由形式自然语言（NL）问题和半结构化表格数据进行推理。然而，以前的表推理解决方案仅考虑小型表，并且在处理较大表时表现出局限性。此外，大多数现有方法都难以推理复杂的问题，因为它们缺乏必要的信息或分散在不同的地方 ...