Jiliang Tang

Ein Blick darauf, wie LLMs die Nutzerempfehlungen auf verschiedenen Plattformen verbessern.

Graph-JEPA bietet eine neue Methode zur effektiven Analyse komplexer Grafikdaten.

Ein Überblick über Urheberrechtsfragen in der generativen KI und deren Auswirkungen.

Ein Überblick über das Lernen von Fähigkeiten und die Erkennung in grossen Sprachmodellen.

Datenvergiftung bedroht die Integrität von In-Context-Lernsystemen und zeigt versteckte Schwachstellen.

Diese Forschung untersucht das Potenzial von vielseitigen Graph-Grundlagenmodellen.

Diese Forschung untersucht, wie die Grösse von Modellen und Daten die Leistung von Graphmodellen beeinflusst.

Neue Methoden verbessern das Graphlernen durch nicht-diskrete Bandbreitenmaskierungstechniken.

Eine neue Methode verbessert Empfehlungen, indem sie Benutzer-IDs und Text-Insights kombiniert.

Ein neuer Ansatz verbessert die Genauigkeit der Linkvorhersage mit einer Mischung aus Expertenmodellen.

Dieses Papier analysiert die Vorteile von Multi-Head-Attention gegenüber Single-Head-Attention in maschinellen Lernaufgaben.

Neue Methoden verbessern die Geschwindigkeit und Genauigkeit von Empfehlungssystemen.

Untersuchung von Problemen der Speicherung in KI-generierten Bildern und deren Auswirkungen.

Die Auswirkungen von Sprachmodellen auf das Lernen und Lehren von Schülern erkunden.

Forscher entwickeln ein Modell, um das Graph-Lernen mit Daten aus verschiedenen Quellen zu verbessern.

Die Selbstkorrekturprozesse in Sprachmodellen und ihre Auswirkungen erkunden.

Diese Forschung verbessert GNNs, indem sie Filter für verschiedene Knotenmuster anpasst.

Dieser Artikel untersucht die Herausforderungen bei der Linkvorhersage aufgrund von Veränderungen in der Datenverteilung.

Diese Studie zeigt, dass wir bessere induktive KGC-Datensätze brauchen.

Eine neue Methode, um Datensätze vor unbefugter Nutzung in generativen Modellen zu schützen.

Ein neuer Datensatz soll die Sicherheit von Text-zu-Bild-Modellen gegenüber schädlichem Inhalt verbessern.

Eine neue Methode reduziert die Datenschutzrisiken bei Anwendungen zur retrieval-unterstützten Generierung.

Ein neuer Ansatz, um grosse lineare Programmierungsprobleme effizient zu lösen.

Neue Methoden verbessern die Genauigkeit der Klassifikation von Graphknoten mit begrenzten beschrifteten Daten.

Dieser Artikel untersucht die Leistung von LLMs bei graphbezogenen Denkaufgaben.

Entdecke, wie LLKD die Lerneffizienz mit kleineren Modellen verbessert.

Dieser Artikel behandelt effektive Methoden zur Wissensüberprüfung in RAG-Systemen.

Erfahre, wie PDQP-Net das Lösen von konvexen quadratischen Programmen beschleunigt.

Eine neue Methode vereinfacht die Graphanalyse mit speziellen Expertenmodellen.