Jiliang Tang

Uno sguardo a come i LLM migliorano le raccomandazioni per gli utenti su varie piattaforme.

Graph-JEPA offre un nuovo metodo per analizzare dati di graph complessi in modo efficace.

Una panoramica delle questioni di copyright nell'IA generativa e il suo impatto.

Una panoramica sull'apprendimento e il riconoscimento delle abilità nei modelli di linguaggio di grandi dimensioni.

Il data poisoning mette a rischio l'integrità dei sistemi di apprendimento in contesto, rivelando vulnerabilità nascoste.

Questa ricerca esplora il potenziale dei modelli di base grafici versatili.

Questa ricerca esamina come la dimensione del modello e dei dati influiscano sulle prestazioni del modello grafico.

Nuovi metodi migliorano l'apprendimento dei grafi tramite tecniche di mascheramento a banda non discreta.

Un nuovo metodo migliora le raccomandazioni combinando gli ID utente e le intuizioni testuali.

Un nuovo approccio migliora l'accuratezza nella previsione dei link usando una combinazione di modelli esperti.

Questo documento analizza i vantaggi dell'attenzione multi-testa rispetto all'attenzione a testa singola nei compiti di machine learning.

Nuovi metodi migliorano la velocità e l'accuratezza dei sistemi di raccomandazione.

Esaminando i problemi di memorizzazione nelle immagini generate dall'IA e le loro implicazioni.

Esplorare l'impatto dei modelli linguistici sull'apprendimento e l'insegnamento degli studenti.

I ricercatori hanno sviluppato un modello per migliorare l'apprendimento dei grafi usando dati provenienti da diverse fonti.

Esplorando i processi di auto-correzione nei modelli di linguaggio e i loro effetti.

Questa ricerca migliora i GNN adattando i filtri per diversi schemi di nodi.

Questo articolo analizza le sfide nella previsione dei link a causa dei cambiamenti nella distribuzione dei dati.

Questo studio sottolinea l'importanza di migliorare i dataset KGC induttivi.

Un nuovo metodo per proteggere i dataset da un uso non autorizzato nei modelli generativi.

Un nuovo set di dati punta a migliorare la sicurezza dei modelli di testo in immagine contro contenuti dannosi.

Un nuovo metodo riduce i rischi per la privacy nelle applicazioni di generazione aumentata da recupero.

Un nuovo metodo per risolvere in modo efficiente problemi di programmazione lineare su larga scala.

Nuovi metodi aumentano l'accuratezza nella classificazione dei nodi dei grafi con pochi dati etichettati.

Questo articolo esamina le prestazioni degli LLM in compiti di ragionamento legati ai grafi.

Scopri come LLKD migliora l'efficienza dell'apprendimento usando modelli più piccoli.

Questo articolo parla di metodi efficaci per controllare le conoscenze nei sistemi RAG.

Scopri come PDQP-Net accelera la risoluzione dei Programmi Quadratici Convessi.

Un nuovo metodo semplifica l'analisi dei grafi usando modelli esperti specializzati.