商业推荐系统面临着一个挑战,即平台或用户的任务要求经常动态变化(例如,对于准确性或多样性而改变的偏好) ...
确保长期成功是推荐系统的最终目标,要求策略能够预见并塑造决策对未来用户满意度的影响。当前的推荐策略与两个重大障碍斗争。首先,推荐决策的未来影响仍然被模糊不清,使通过直接优化直接指标进行评估是不切实际的 ...
LLM现在构成了AI代理的骨干,用于各种应用程序,包括工具使用,命令行代理以及Web或计算机使用代理。这些代理LLM推理任务与以聊天机器人为中心的推理有根本不同 - 它们通常具有更大的上下文长度来捕获复杂的,延长的输入,例如整个网页DOMS或复杂的工具呼叫轨迹。反过来,这为推理阶段的基础硬件产生了重要的芯片内存储器流量,并导致工作量受到两个内存墙的约束,即带宽和容量记忆墙,以防止芯片计算单元获 ...
尽管图像分类网络生成的类激活图(CAM)已被广泛用于弱监督的对象定位(WSOL)和语义分割(WSSS),但此类分类器通常集中在区分对象区域上。在本文中,我们提出了仅使用未标记的图像数据的类别不稳定激活图(C $^2 $ AM)生成的对比度学习,而无需参与图像级监督。核心思想来自这样的观察,即i)前景对象的语义信息通常不同于其背景; ii)具有相似外观或背景具有相似颜色/纹理的前景对象在特征空间中具 ...
与Web3集成的AI代理提供了自主性和开放性,但在与财务协议和不变的智能合约互动时引起了安全问题。本文在现实世界中面临对抗性威胁时,研究了基于区块链的金融生态系统中AI代理的脆弱性。我们介绍了上下文操作的概念 - 一个综合攻击向量,利用未保护的上下文表面,包括输入通道,内存模块和外部数据馈送 ...
通过合并外部的,最新的知识源来提高大语言模型(LLMS)的功能,以提高大型语言模型(LLM)的能力的强大方法出现。但是,这引入了对知识中毒攻击的潜在脆弱性,在这种攻击者中,攻击者可能会损害知识源以误导生成模型。一种这样的攻击是毒药,其中注入的对抗文本引导该模型对目标问题产生攻击者选择的回答 ...
可控性已成为值得信赖的机器学习的关键方面,使学习者能够满足预定义的目标并在测试时间动态适应,而无需随着目标的转移而进行重新训练。我们提供了可控学习(CL)的正式定义,并在信息检索(IR)中讨论了信息需求通常是复杂且动态性的应用。该调查根据可控的内容对CL进行分类(e ...
世界建模已成为AI研究的基石,使代理商能够理解,代表和预测他们所居住的动态环境。尽管先前的工作在很大程度上强调了2D图像和视频数据的生成方法,但它们忽略了利用本机3D和4D表示的快速增长的工作,例如RGB-D图像,占用网格和LIDAR点云用于大规模场景建模。同时,缺乏对``世界模型''的标准化定义和分类法,导致文献中的主张分散,有时甚至不一致 ...