xMTF: A Formula-Free Model for Reinforcement-Learning-Based Multi-Task Fusion in Recommender Systems
推荐系统需要优化各种类型的用户反馈，例如点击，喜欢和共享 ...
运动预测是对未来代理状态或场景演变的预期，植根于人类认知，桥接感知和决策。它使智能系统（例如机器人和自动驾驶汽车）能够在动态的，人类参与的环境中安全起作用，并告知更广泛的时间序列推理挑战。随着方法，表示和数据集的进步，该领域已经取得了迅速的进步，反映在快速发展的基准结果中 ...
AI的进度被评估的质量瓶颈而言，强大的LLM-AS-A-A-Gudge模型被证明是核心解决方案。通过更强的经过思考的推理，可以提高判断力的能力，从而激发了寻找培训此类模型思考的最佳食谱的需求。在这项工作中，我们介绍了J1，这是一种培训此类模型的增强学习方法 ...
我们提出了一种基于模型的RL的方法，该方法在具有挑战性的Craftax-Classic基准上实现了新的最新性能，这是一个开放世界的2D生存游戏，要求代理商表现出广泛的一般能力 - 例如强大的概括，深度探索和长期推理。通过一系列旨在提高样本效率的仔细设计选择，我们的MBRL算法仅在100万个环境步骤后获得67.4％的奖励，大大优于Dreamerv3，它实现了53 ...
推理语言模型（RLMS）的最新发展代表了大型语言模型中的一种新颖进化。特别是，DeepSeek-R1的最新发布产生了广泛的社会影响，并激发了研究社区的热情，以探索语言模型的明确推理范式。但是，DeepSeek尚未完全开源，其中包括DeepSeek-R1-Zero，DeepSeek-R1和蒸馏小型型号 ...
近年来，很少有射击和零拍的学习学会预测带有注释的实例的标签，因此引起了极大的关注。传统方法通常将频繁拍摄（FREQ-shot；具有丰富实例的标签），很少的射击和零击学习作为独特的挑战，仅针对这些情况之一优化了系统。然而，在现实世界中，标签出现差异很大 ...
llm交流的方式。信息提示对于指导llm产生所需的输出至关重要。然而，即时工程通常是乏味且耗时的，需要大量的专业知识，限制了其广泛使用... ...
尚不清楚量子机学习（QML）在处理实用和有意义的任务时是否具有真正的优势。将经典数据编码为量子状态是QML中的关键步骤之一。振幅编码已被广泛使用，因为它在将$ 2^{n} $编码$ n $ Qubits的$ 2^{n} $编码中 ...
