Jiliang Tang

Um panorama das questões de direitos autorais na IA generativa e seu impacto.

Uma visão geral do aprendizado e reconhecimento de habilidades em grandes modelos de linguagem.

A contaminação de dados ameaça a integridade dos sistemas de aprendizado em contexto, revelando vulnerabilidades escondidas.

Essa pesquisa explora o potencial de modelos de fundação de grafos versáteis.

Essa pesquisa analisa como o tamanho do modelo e dos dados impactam o desempenho do modelo gráfico.

Novos métodos melhoram o aprendizado de grafos através de técnicas de mascaramento de largura de banda não discreta.

Um novo método melhora as recomendações juntando IDs de usuários e insights de texto.

Uma nova abordagem melhora a precisão da previsão de links usando uma mistura de modelos de especialistas.

Esse trabalho analisa as vantagens da atenção de múltiplas cabeças em relação à atenção de uma única cabeça em tarefas de aprendizado de máquina.

Novos métodos melhoram a velocidade e a precisão dos sistemas de recomendação.

Analisando questões de memorização em imagens geradas por IA e suas implicações.

Explorando o impacto dos modelos de linguagem na aprendizagem e no ensino dos alunos.

Pesquisadores desenvolvem um modelo pra melhorar o aprendizado em grafos usando dados de várias fontes.

Explorando os processos de autocorreção em modelos de linguagem e seus efeitos.

Essa pesquisa melhora as GNNs adaptando filtros pra diferentes padrões de nó.

Esse artigo analisa os desafios na previsão de links devido a mudanças na distribuição dos dados.

Esse estudo destaca a necessidade de melhorar os datasets de KGC indutivo.

Um novo método pra proteger conjuntos de dados contra uso não autorizado em modelos generativos.

Um novo conjunto de dados tem como objetivo melhorar a segurança dos modelos de texto para imagem contra conteúdos prejudiciais.

Um novo método reduz os riscos de privacidade em aplicações de geração aumentada por recuperação.

Uma nova abordagem pra resolver de forma eficiente problemas de programação linear em grande escala.

Novos métodos aumentam a precisão da classificação de nós em gráficos com dados rotulados limitados.

Este artigo investiga o desempenho de LLM em tarefas de raciocínio relacionadas a gráficos.

Descubra como o LLKD melhora a eficiência de aprendizado usando modelos menores.

Esse artigo fala sobre métodos eficazes de checagem de conhecimento em sistemas RAG.

Descubra como o PDQP-Net agiliza a resolução de Programas Quadráticos Convexos.

Um novo método simplifica a análise de gráficos usando modelos de especialistas especializados.