大型语言模型（LLM）在从冗长的文本中检索信息方面表现出色，但是他们的视觉语言对应（VLMS）面临着长时间的视频的困难，尤其是对于时间基础。具体而言，这些VLM受框架限制的约束，通常会失去在扩展视频内容中准确的事件定位所需的基本时间细节。我们建议修订版，这是一个递归视觉语言模型，旨在在长时间的视频中定位事件 ...
场景回归方法（例如VGGT）通过直接从输入图像中回归摄像头姿势和3D场景结构来解决结构上的触发器（SFM）问题。在极端的观点变化下，它们在处理图像时表现出令人印象深刻的性能。但是，这些方法难以处理大量输入图像 ...
大型语言模型（LLM）通常因在各种任务上表现出近人类的表现而受到赞扬，并因其进行一般对话的能力而受到重视。但是，代理AI系统的兴起正在使用大量应用程序，其中语言模型重复执行少量专业任务，而差异很小。在这里，我们提出了这样一个立场，即小型语言模型（SLM）足够强大，本质上更合适，并且对于代理系统中的许多调用，并且是代理AI的未来 ...
在测试数据和培训数据共享相似的分布时，基于深层神经网络的方法已经达到了惊人的性能，但否则可能会大大失败。因此，消除训练和测试数据之间的分配变化的影响对于建立促进性能的深层模型至关重要。常规方法假定训练数据的已知异质性（e ...
跨域推荐系统面临着整合各种产品域之间的细粒用户和项目关系的挑战。为了解决这个问题，我们介绍了RankGraph，这是一个可扩展的图形学习框架，旨在用作推荐基础模型（FMS）中的核心组件。通过构建和利用由多个产品的异质节点和边缘组成的图形，RankGraph可以使用户，帖子，广告和其他实体之间的复杂关系集成 ...
即使在像汽车等时间关键系统中，自主应用程序通常是通过机器人操作系统2.0（ROS2）开发的。近年来，人们对开发基于模型的时间分析和针对基于ROS2的应用程序的计划优化方法的兴趣增加 ...
联合推荐系统（FedRecsys）已成为用于隐私感知建议的关键解决方案，平衡了对数据安全性和个性化体验的不断增长的需求。当前的研究工作主要集中于将传统建议体系结构适应联合环境，优化沟通效率并减轻安全漏洞。但是，用户个性化建模对于在此分散和非IID数据设置中捕获异质偏好至关重要 ...
A Model-agnostic Strategy to Mitigate Embedding Degradation in Personalized Federated Recommendation
集中式推荐系统由于需要收集用户行为和其他私人数据而遇到隐私泄漏。因此，联合推荐系统（FedRec）已成为服务器上汇总的全局模型的一种有前途的方法。然而，由于存在稀疏相互作用和异质性偏好，这种分布的训练范式受到了次优的个性化和尺寸崩溃引起的嵌入降解 ...
