推荐系统在现代电子商务平台中起着至关重要的作用。由于用户和物品之间缺乏历史交互，冷启动推荐是一个具有挑战性的问题。为了缓解冷启动问题，大多数现有方法引入内容和上下文信息作为辅助信息... ...
大型语言模型在功能和文件级代码生成方面表现出色，但是从头开始生成完整的存储库仍然是一个基本挑战。该过程要求在提案和实施级别阶段进行连贯和可靠的计划，而自然语言由于其模棱两可和冗长而不适合忠实地代表复杂的软件结构。为了解决这个问题，我们介绍了存储库计划图（RPG），这是一种持久表示，通过编码功能，文件结构，数据流和功能在一个图中统一提案和实现级别的计划 ...
跨模型再培训循环中嵌入空间的不稳定性带来了对下游应用程序的重大挑战，该应用程序使用从推荐系统作为输入功能得出的用户或项目嵌入。本文介绍了一种新型的正交低级转换方法，旨在稳定用户/项目嵌入空间，从而确保跨再培训会议的一致嵌入尺寸。我们的方法利用有效的低级别奇异值分解和正交procrusts转换的组合将嵌入到标准化的空间中 ...
医疗质量控制指标对于评估医疗机构的医疗机构资格至关重要。随着大型语言模型（LLM）在医学领域的令人印象深刻的性能（LLM），利用这些技术进行医疗质量控制指标计算（MQCIC）提出了一种有希望的方法。在这项工作中，（1）我们介绍了一个现实世界的任务MQCIC，并提出了一个开源的中国电子病历（EMRS）基于785个实例和76个指标的数据集（CMQCIC-BENCE） ...
大型审慎的语言模型（LMS）表现出令人印象深刻的内在学习能力（ICL）能力，该模型学会通过由输入输出示例组成的提示来执行看不见的任务，而没有任何参数更新。 ICL的性能高度受到所选内部示例的质量的主导。但是，先前的选择方法主要基于简单的启发式方法，从而导致了次优性能 ...
多模式连续指导调整（MCIT）旨在使多模式大型语言模型（MLLM）逐步学习新任务而不会造成灾难性遗忘。在本文中，我们在这种情况下探索遗忘，将其归类为肤浅的遗忘和基本的遗忘。表面上的忘记是指模型知识可能不会真正丢失的情况，但是由于后续任务的答案样式的影响，其对先前任务的响应与预期格式偏离了预期格式，从而使结果无法使用 ...
从嘈杂的标签中学习（LNL）是一个挑战，在许多实际情况下，收集的培训数据可能包含不正确或损坏的标签。大多数现有的解决方案都确定了嘈杂的标签，并采用积极学习来查询人类专家以降级。在大型语言模型（LLMS）的时代，尽管我们可以减少人类改善这些方法的努力，但它们的性能仍可能准确地将清洁和嘈杂的样本与嘈杂的数据分开 ...
生成建议已成为有希望的范式，在学术基准和工业应用中都表现出了显着的结果。但是，现有系统主要集中于统一检索和排名，同时忽略搜索和建议（S＆R）任务的集成。使搜索和建议与众不同的原因是如何形成查询：搜索使用明确的用户请求，而建议依赖于隐式用户兴趣 ...
