Carl Yang

Kontrastives Unlernen entfernt effizient den Einfluss von Daten, während die Modellleistung erhalten bleibt.

CASGNN verbessert die Imputation von fehlenden Daten, indem es sich auf kausale Zusammenhänge konzentriert.

Ein Rahmen, um die Sicherheit von LLM-Agenten in verschiedenen Anwendungen zu verbessern.

Ein neues Framework bewertet Methoden zur Graphenkondensation für verbesserte Effizienz im maschinellen Lernen.