Carl Yang

L'unlearning contrastif enlève efficacement l'influence des données tout en préservant la performance du modèle.

CASGNN améliore l'imputation des données manquantes en se concentrant sur les relations causales.

Un cadre pour améliorer la sécurité des agents LLM dans différentes applications.

Un nouveau cadre évalue les méthodes de condensation de graphes pour améliorer l'efficacité de l'apprentissage machine.