IT操作（AIOPS）的AI旨在自动化复杂的操作任务，例如故障定位和根本原因分析，以减少人类的工作量并最大程度地减少客户影响。尽管传统的DevOps工具和AIOPS算法通常专注于解决孤立的操作任务，但大型语言模型（LLMS）和AI代理的最新进展正在通过启用端到端和多任务自动化来彻底改变AIOPS。本文设想了一个未来，AI代理在整个事件生命周期内自主管理操作任务，从而导致自我修复云系统，这是我们定期 ...

持续的学习旨在更新模型，以便它可以依次学习新任务，而无需忘记先前获得的知识。最近的持续学习方法通​​常利用视觉语言模型剪辑的高维特征空间和跨模式特征匹配。传统的基于夹的分类方法通过比较其嵌入来确定测试图像的最相似文本标签 ...

多模式大语言模型（MLLM）的最新努力旨在通过将LLM和扩散模型（分别是每个任务的最新技术）结合来统一视觉理解和生成。现有方法依赖于空间视觉 Token ，其中图像贴片是根据空间顺序编码和排列的（例如 ...

通过从外部知识来源检索相关文档，检索增强的生成（RAG）增强了大语言模型（LLM）。通过引用这种外部知识，RAG有效地减少了事实不正确的内容的产生，并解决了LLM中的幻觉问题。最近，从各个角度来看，人们对提高破布系统的性能和效率的关注越来越大 ...

幻觉是大语言模型（LLM）的持续问题。随着这些模型越来越多地用于医疗保健和金融等高风险领域，有效幻觉检测的需求至关重要。为此，我们为零资源幻觉检测提出了一个多功能框架，从业人员可以应用于现实世界中的用例 ...

将结构化知识从知识图（KGS）整合到大语言模型（LLMS）中仍然是符号推理的关键挑战。现有方法主要依赖于迅速的工程或微调，而这些方法失去了结构性保真或产生高计算成本。在最新的编码技术的基础上，将图形嵌入在LLM输入中为 Token ，我们通过利用知识图嵌入（KGE）模型将此范式扩展到KG域，从而启用图形感知推理 ...

深度离线增强学习（RL）的最新进展使得从离线数据集训练强大的机器人代理成为可能。但是，根据受过训练的代理的质量和所考虑的应用程序，通常希望通过进一步的在线互动微调这样的代理。在本文中，我们观察到，在微调过程中，州行动分配变化可能会导致严重的自举误差，这破坏了通过离线RL获得的良好初始政策 ...

近年来，大型语言模型（LLM）彻底改变了自然语言处理领域。但是，他们经常遭受知识差距和幻觉的困扰。图检索 - 调格生成（GraphRag）通过从外部图中整合结构化知识来增强LLM推理 ...