Últimos artículos para Preferencias del usuario

Un nuevo algoritmo mejora la integración de preferencias de los usuarios en tareas complejas de aprendizaje automático.

Examinando cómo los sistemas de recomendación equilibran las preferencias de los usuarios y los objetivos a largo plazo.

Cieran ayuda a los usuarios a crear colormapas personalizados para visualizaciones de datos sin esfuerzo.

La nueva arquitectura HSTU mejora los sistemas de recomendación para tener mejores experiencias de usuario.

Aprende cómo el álgebra tropical mejora los sistemas de recomendación a través de la factorización de matrices.

Descubre cómo BOXREC transforma las compras en línea con sugerencias de outfits completos.

La investigación muestra cómo la retroalimentación puede influir en las experiencias de los coches autónomos.

Explora cubos tangibles para manipulación intuitiva de datos en entornos de realidad mixta.

Nuevo modelo mejora la creación de música usando la retroalimentación de los usuarios.

Un marco para que las máquinas aprendan las preferencias del usuario a partir de datos visuales.

Un marco para recomendar servicios no vistos y aumentar el compromiso del usuario.

Un nuevo método para crear contenido personalizado usando las preferencias del usuario.

Un nuevo enfoque para generar imágenes detalladas de personas en escenas complejas.

Aprende cómo los sistemas de recomendación influyen en las preferencias de los usuarios usando algoritmos de bandido de múltiples brazos.

Un método detallado para mejorar las recomendaciones de compras en línea basadas en la retroalimentación del usuario.

Este marco mejora la forma en que los sistemas aprenden los gustos de los usuarios a través de la conversación.

El marco CALRec mejora las recomendaciones usando Modelos de Lenguaje Grandes y datos secuenciales.

El método LAPS mejora los agentes conversacionales generando diálogos realistas y capturando las preferencias de los usuarios.

Una mirada a cómo DNO mejora la generación de imágenes con las preferencias de los usuarios.

Un nuevo método aborda el problema de arranque en frío en los sistemas de recomendación.

Un nuevo método ayuda a los robots a entender mejor los comandos de los usuarios.

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.