Últimos artículos para Preferencias del usuario

Descubre cómo los tokens fuera de vocabulario mejoran la precisión de las recomendaciones.

Este estudio presenta un enfoque centrado en el usuario para mejorar la colocación de etiquetas en mapas.

Softmax-DPO introduce muestras negativas para una mejor alineación de preferencias de usuario en recomendaciones.

Un nuevo método mejora los sistemas de recomendación mientras protege la privacidad del usuario.

Este proyecto se centra en mejorar la interacción del usuario con las máquinas para la creación de libros de fotos.

Este sistema aborda los desafíos de perspectiva en las búsquedas de imágenes de bocetos.

Un nuevo enfoque ajusta los modelos de difusión para alinearse mejor con las preferencias del usuario.

PeaPOD ofrece una forma nueva de hacer recomendaciones personalizadas usando mensajes adaptativos.

FLAIR ayuda a personas con problemas de movilidad a comer de manera más independiente y placentera.

Este documento presenta un nuevo método para valorar datos centrados en las preferencias de los usuarios.

Un nuevo método para evaluar los valores diversos de los usuarios en modelos de lenguaje.

Un nuevo método mejora los sistemas de recomendación creando mensajes personalizados para los usuarios.

PB-AA-CBR combina las preferencias del usuario con el razonamiento basado en casos para tomar decisiones personalizadas.

Un modelo de gráfico dual mejora la búsqueda de videos en compras en línea.

Un nuevo método para optimizar el comportamiento de carga de los vehículos eléctricos usando simulaciones avanzadas.

Recomendaciones mejoradas a través de diálogos y gráficos de conocimiento.

Examinando el impacto de la selección de características en la confianza de los usuarios en sistemas de IA.

Un nuevo sistema mejora el apoyo emocional en línea a través de sugerencias de contenido personalizadas.

Este documento presenta un nuevo marco para mejorar los sistemas de recomendación usando LLMs.

Aprende cómo las empresas aumentan ventas a través de recomendaciones de paquetes efectivas.

Abordando los desafíos de clasificar contenido mediático diverso de manera efectiva.

Un nuevo enfoque para personalizar sistemas de IA según las preferencias de cada usuario.

Un nuevo enfoque para combinar modelos de aprendizaje automático basado en las preferencias de los usuarios para obtener mejores resultados.

Nuevo método PRS mejora los modelos de lenguaje enfocándose en las preferencias del usuario.

MRSE mejora las compras en línea al integrar datos de texto e imagen para obtener mejores resultados de búsqueda.

Un estudio sobre cómo mejorar las recomendaciones de navegación para tener mejores experiencias al conducir en la ciudad.

MARS mejora las sugerencias de productos al centrarse en las preferencias detalladas del usuario.

Nuevo enfoque utiliza aprendizaje federado para optimizar decisiones de descarga de tareas móviles.

Un nuevo enfoque para personalizar elecciones según las preferencias individuales.

Esta guía habla sobre cómo mejorar las recomendaciones de música centrándose en las preferencias personales de los usuarios.

Un nuevo método mejora la experiencia del usuario en sistemas de recomendación a través de la colaboración móvil-nube.

Este estudio se centra en mejorar las recomendaciones de música usando tanto la retroalimentación positiva como negativa de los usuarios.

Este estudio busca mejorar los modelos de generación de imágenes reduciendo características anormales.

Mejorando los modelos de lenguaje para que den mejores respuestas habladas en los asistentes de voz.

Este estudio muestra cómo los tiempos de respuesta pueden mejorar la comprensión de las preferencias de los usuarios.

Examinando cómo los sistemas de recomendación cambian las preferencias de los usuarios con el tiempo.

Este artículo habla sobre cómo mejorar los sistemas de recomendación de noticias sin dejar de lado los valores del periodismo.

Explorando el impacto de los menús en el cuerpo para mejorar las experiencias de VR.

Este método personaliza los sistemas al integrar las preferencias del usuario mediante fusión dinámica de políticas.

Este marco mejora los modelos de lenguaje al aprender las preferencias individuales de los usuarios de manera efectiva.