Jiliang Tang

Una visión general de los problemas de copyright en la IA generativa y su impacto.

Una visión general del aprendizaje y reconocimiento de habilidades en modelos de lenguaje grandes.

El envenenamiento de datos amenaza la integridad de los sistemas de aprendizaje en contexto, revelando vulnerabilidades ocultas.

Esta investigación explora el potencial de los modelos de fundación de gráficos versátiles.

Esta investigación examina cómo el tamaño del modelo y de los datos impacta en el rendimiento del modelo de grafo.

Nuevos métodos mejoran el aprendizaje de grafos a través de técnicas de enmascaramiento de ancho de banda no discreto.

Un nuevo método mejora las recomendaciones al combinar IDs de usuario e información textual.

Un nuevo enfoque mejora la precisión de la predicción de enlaces usando una mezcla de modelos de expertos.

Este artículo analiza las ventajas de la atención multi-cabeza sobre la atención de cabeza única en tareas de aprendizaje automático.

Nuevos métodos mejoran la velocidad y precisión de los sistemas de recomendación.

Examinando temas de memorización en imágenes generadas por IA y sus implicaciones.

Explorando el impacto de los modelos de lenguaje en el aprendizaje de los estudiantes y la enseñanza.

Los investigadores desarrollan un modelo para mejorar el aprendizaje de gráficos usando datos de varias fuentes.

Explorando los procesos de autocorrección en los modelos de lenguaje y sus efectos.

Esta investigación mejora las GNNs adaptando filtros para diferentes patrones de nodos.

Este artículo examina los desafíos en la predicción de enlaces debido a cambios en la distribución de datos.

Este estudio resalta la necesidad de mejorar los conjuntos de datos de KGC inductivo.

Un nuevo método para proteger conjuntos de datos contra el uso no autorizado en modelos generativos.

Un nuevo conjunto de datos tiene como objetivo mejorar la seguridad de los modelos de texto a imagen contra contenido perjudicial.

Un nuevo método reduce los riesgos de privacidad en aplicaciones de generación aumentada por recuperación.

Un nuevo enfoque para resolver de manera eficiente problemas de programación lineal a gran escala.

Nuevos métodos mejoran la precisión de la clasificación de nodos en grafos con datos etiquetados limitados.

Este artículo investiga el rendimiento de los LLM en tareas de razonamiento relacionadas con grafos.

Descubre cómo LLKD mejora la eficiencia del aprendizaje usando modelos más pequeños.

Este artículo habla sobre métodos efectivos de verificación de conocimientos en sistemas RAG.

Aprende cómo PDQP-Net acelera la resolución de Programas Cuadráticos Convexos.

Un nuevo método simplifica el análisis de gráficos usando modelos de expertos especializados.