Jiliang Tang

Un aperçu des problèmes de droits d'auteur dans l'IA générative et son impact.

Un aperçu de l'apprentissage et de la reconnaissance des compétences dans les grands modèles de langage.

Le poisoning des données menace l'intégrité des systèmes d'apprentissage en contexte, révélant des vulnérabilités cachées.

Cette recherche explore le potentiel des modèles de fondation de graphes polyvalents.

Cette recherche examine comment la taille du modèle et des données impacte la performance des modèles graphiques.

De nouvelles méthodes améliorent l'apprentissage des graphes grâce à des techniques de masquage de bande passante non discrètes.

Une nouvelle méthode améliore les recommandations en combinant les ID utilisateurs et les infos textuelles.

Une nouvelle approche améliore la précision de la prédiction de liens en utilisant un mélange de modèles d'experts.

Cet article analyse les avantages de l'attention multi-tête par rapport à l'attention mono-tête dans les tâches d'apprentissage automatique.

De nouvelles méthodes améliorent la vitesse et la précision des systèmes de recommandation.

Examiner les problèmes de mémorisation dans les images générées par l'IA et ses implications.

Explorer l'impact des modèles de langage sur l'apprentissage et l'enseignement des étudiants.

Des chercheurs développent un modèle pour améliorer l'apprentissage des graphes en utilisant des données provenant de diverses sources.

Explorer les processus d'auto-correction dans les modèles de langue et leurs effets.

Cette recherche améliore les GNN en adaptant les filtres pour différents modèles de nœuds.

Cet article examine les défis de la prédiction de liens à cause des changements dans la distribution des données.

Cette étude souligne le besoin de meilleurs jeux de données KGC inductifs.

Une nouvelle méthode pour protéger les jeux de données contre une utilisation non autorisée dans les modèles génératifs.

Un nouveau jeu de données vise à améliorer la sécurité des modèles de texte à image contre les contenus nuisibles.

Une nouvelle méthode réduit les risques de confidentialité dans les applications de génération augmentée par la récupération.

Une nouvelle approche pour résoudre efficacement des problèmes de programmation linéaire à grande échelle.

De nouvelles méthodes améliorent la précision de la classification des nœuds de graphes avec peu de données étiquetées.

Cet article examine la performance des LLM sur des tâches de raisonnement liées aux graphes.

Découvrez comment LLKD améliore l'efficacité d'apprentissage avec des modèles plus petits.

Cet article parle des méthodes efficaces pour vérifier les connaissances dans les systèmes RAG.

Découvrez comment PDQP-Net accélère la résolution des programmes quadratiques convexes.

Une nouvelle méthode simplifie l'analyse des graphes en utilisant des modèles d'experts spécialisés.