数据稀疏性问题对推荐系统构成了重大挑战。为此，已经提出了利用辅助信息（例如评论文本）的算法。此外，捕获可提供域的知识并将其从较富裕的域（源）转移到稀疏的知识（目标）（目标）的跨域推荐（CDR）受到了显着关注 ...

本文通过将大型语言模型（LLMS）与决策为中心的学习整合到投资组合优化中的预测和决策质量之间的关键断开。我们在理论上和经验上都证明了一个单独的预测误差会导致次优的投资组合决策。我们旨在利用LLM的代表性进行投资决策 ...

图像文本匹配引起了人们的兴趣，因为它弥合了视觉和语言。关键挑战在于如何学习图像和文本之间的对应关系。现有作品基于对象共发生的统计信息学习粗糙的对应关系，同时未能学习细粒的短语对应关系 ...

大型语言模型（LLM）在理解和生成人类语言文本方面已经取得了显着的高级能力，这些文本在近年来越来越受欢迎。除了其最先进的自然语言处理（NLP）表现外，考虑了许多行业的广泛使用，包括医学，金融，教育等，对其使用的安全性同时增长 ...

最近，由于研究人员在医疗保健，教育和人力资源等不同领域的潜在应用，对话中的情感认可（ERC）最近受到了很多关注。在本文中，我们提出了对话图卷积网络（DialcegueGCN），这是一种基于图神经网络的ERC方法。我们利用对话者的自我和言论扬声器的依赖性来模拟情绪识别的对话环境 ...

准确遵循指令的能力对于大语模型（LLM）是现实世界应用中可靠代理的基础。对于复杂的说明，LLMS通常很难一次尝试满足所有要求。实际上，用户通常会提供迭代反馈，直到LLM生成满足所有要求的响应 ...

我们介绍了MMADA，这是一种新颖的多模式扩散基础模型，旨在在文本推理，多模式理解和文本到图像生成等各个领域中实现卓越的性能。该方法通过三个关键创新来区分：（i）MMADA采用具有共同概率表述和模态性设计设计的统一扩散体系结构，从而消除了对模态特异性组件的需求。该体系结构可确保跨不同数据类型的无缝集成和处理 ...

我们提出了第一个快速且可认证的算法，用于在存在大量异常值的情况下注册两组3D点的注册。我们首先使用截短的最小二乘（TLS）成本对登记问题进行了重新重新制定，这对大量的虚假通信不敏感。然后，我们提供一个通用的图理论框架来解除比例，旋转和翻译估计，从而可以在级联中解决这三个转换 ...