论文
登录后可查看剩余解析次数。
标签筛选
Learning Decomposed Contextual Token Representations from Pretrained and Collaborative Signals for Generative Recommendation
发表：2025/8/23
生成式推荐系统上下文标记表示学习大语言模型优化序列到序列建模用户交互建模
本研究提出了DECOR框架，以解决生成推荐系统中的静态标记化及丢弃预训练语义的问题。通过引入上下文词元组合和分解嵌入融合，DECOR能够在提高词元嵌入适应性的同时保留预训练的语义知识。实验显示，DECOR在真实数据集上的推荐性能优于现有最佳方法。
02
User-LLM: Efficient LLM Contextualization with User Embeddings
发表：2024/2/21
基于用户嵌入的L语言模型上下文化自监督学习的用户行为编码器电影推荐系统数据集基于用户时间线的响应生成跨注意力机制的L语言模型集成
提出了UserLLM框架，利用自监督学习生成用户嵌入，直接将用户历史交互与大型语言模型(LLMs)进行上下文感知集成。通过交叉注意力集成方式，使模型根据用户行为动态调整响应，提高了推理效率，速度提升高达78.1倍，在MovieLens等数据集上，任务性能提升16.33%。
03
REGEN: Learning Compact Video Embedding with (Re-)Generative Decoder
发表：2025/3/12
扩散模型视频嵌入紧凑视频编码生成视频重建视频生成模型训练加速时序压缩视频嵌入
本文提出了一种新的视频嵌入学习方法，强调合成视觉上合理的重建而非精确复现，从而显著提升了压缩比。采用编码器生成器架构与扩散变换器，实验显示该方法在压缩比增加时仍能保持优越的编码解码性能，达到32倍的时间压缩比，增强了文本到视频生成的效率。
00
PersonaBench: Evaluating AI Models on Understanding Personal Information through Accessing (Synthetic) Private User Data
发表：2025/2/28
合成用户数据生成个性化 AI 模型评估隐私用户信息理解检索增强生成 (RAG) 方法用户个性化能力提升
本文引入了一种合成数据生成管道，生成真实多样的用户画像及私人文档，以评估AI模型对用户个人信息的理解能力，提出了PersonaBench基准。研究表明，现有检索增强生成模型在提取用户私人信息以回答相关问题方面表现不佳，彰显AI个性化能力提升的必要性。
02
Robust model predictive control for heat exchanger network
发表：2014/8/28
鲁棒模型预测控制热交换器网络控制非线性控制策略MATLAB/Simulink模拟实验控制性能优化
本文提出了一种鲁棒模型预测控制（RMPC）策略来优化换热器网络的运行，解决了系统非线性、工艺参数变化及扰动等复杂问题。在MATLAB/Simulink中，通过对三个串联逆流换热器的仿真实验，证明了RMPC在减少冷却介质消耗方面的有效性，相比传统线性二次控制显著提升了控制性能。
02
Planning with Diffusion for Flexible Behavior Synthesis
发表：2022/5/20
扩散模型规划模型驱动强化学习轨迹优化长时决策制定行为合成
本文提出了一种新的模型基强化学习方法，结合扩散概率模型与轨迹优化，旨在提高模型与决策过程的一致性。通过迭代去噪轨迹进行规划，展示了分类器引导采样和图像修复如何作为一致的规划策略，使框架在长期决策和灵活性方面表现出色。
02
Learnable Item Tokenization for Generative Recommendation
发表：2024/5/12
大语言模型生成推荐系统可学习的项目标记基于对比学习的推荐算法Residual Quantized VAE排名引导生成损失
本文提出了一种可学习的物品分词器LETTER，以解决在生成式推荐中将推荐数据有效转换为大语言模型语言空间的挑战。LETTER整合了层次语义、协同信号和代码分配多样性，通过残差量化变分自编码器、对比对齐损失和多样性损失进行正则化，实验证明其在三个数据集上优于现有方法，推动了基于LLM的推荐技术进步。
027
HiD-VAE: Interpretable Generative Recommendation via Hierarchical and Disentangled Semantic IDs
发表：2025/8/7
生成式推荐系统层次化语义ID可解释生成推荐解耦表示学习唯一性损失机制
推荐系统在现代在线平台中不可或缺。本文提出的HiDVAE框架通过分层解缠结物品表示，利用分层监督量化和唯一性损失机制，解决传统生成式推荐方法的扁平性和表示纠缠问题，从而提高推荐的准确性和多样性。
01
TokenRec: Learning to Tokenize ID for LLM-based Generative Recommendation
发表：2024/6/15
大语言模型推荐系统生成式推荐系统用户项ID标记化Masked Vector-Quantized TokenizerLLM高阶协作知识捕获
本文提出新框架TokenRec，旨在提升基于大型语言模型（LLM）的推荐系统。通过掩蔽向量量化器（MQ Tokenizer）有效地将用户和物品进行ID词元化，并引入生成式检索方法，从而捕获高阶协同知识，提升推荐精度并缩短推理时间，实验表明TokenRec优于传统推荐系统与新兴LLM方案。
01
Omnidirectional 3D Scene Reconstruction from Single Image
单图像三维场景重建扩散模型三维重建几何一致性优化三维高斯 Splatting 表示全景场景重建
该论文提出了一种名为的全新方法，从单幅图像重建全向三维场景。通过了迭代优化生成的视图和相机姿态，最小化3D重投影误差，提升了几何一致性和可渲染性。实验表明，在三维重建质量上显著优于现有方法。
02
MoE-Loco: Mixture of Experts for Multitask Locomotion
发表：2025/3/11
多任务步态学习专家混合框架四足与双足机器人行走梯度冲突缓解机器人任务迁移与技能组合
本文提出了MoELoco，一个用于腿足机器人多任务运动控制的专家混合框架。该方法使单一策略能够应对多种复杂地形，且有效缓解了多任务强化学习中的梯度冲突问题，提升了训练效率和性能。同时，通过实验验证了不同专家在运动行为上的自然专长，从而在任务迁移和技能组合中具有潜在应用。
03
Inductive Generative Recommendation via Retrieval-based Speculation
发表：2024/10/4
生成式推荐系统无训练加速方法在线推荐系统优化序列推荐系统图像生成
本文提出了，一种基于检索的归纳式生成推荐框架，旨在弥补生成式推荐模型在推荐未见物品时的不足。通过引入具有归纳能力的草拟模型来提出候选物品，并由生成式模型进行验证，显著提升了推荐精准度和性能。
03
LLM-Aligned Geographic Item Tokenization for Local-Life Recommendation
发表：2025/11/18
大语言模型推荐系统地理项标记化区域生活推荐强化学习地理对齐分层地理项标记化
随着大型语言模型的进步，文本推荐的语义泛化能力得以增强。本文提出了LGSID框架，通过强化学习的地理LLM对齐和分层地理项目词元化，捕获项目间真实的空间关系。大量实验表明，LGSID在本地生活推荐中优于现有模型，展示了其有效性。
05
Pre-training Generative Recommender with Multi-Identifier Item Tokenization
发表：2025/4/6
生成式推荐系统多标识符项标记化课程学习推荐预训练RQ-VAE作为标记器低频项语义建模
本文提出了MTGRec框架，通过多标识符物品词元化增强生成式推荐器的预训练数据。创新点包括使用残差量化变分自编码器作为词元化器，将每个物品与多个标识符关联，结合课程学习动态调整数据组的采样概率，有效提高低频物品的语义建模和词元序列数据的多样性。
02
Optimized Product Quantization for Approximate Nearest Neighbor Search
发表：2013/6/1
优化产品量化近似最近邻搜索高维向量编码量化失真最小化参数化与非参数化方法
本文提出了一种优化产品量化的方法，以提高近似最近邻搜索（ANN）的准确性。通过最小化量化失真，研究者提出了两种优化方式：一种非参数方法解决两个小问题，另一种参数方法确保在高斯分布数据下达到最优解。实验结果显示，优化后的产品量化显著提升了ANN搜索性能。
02
Understanding Negative Sampling in Knowledge Graph Embedding
发表：2021/1/31
知识图谱嵌入负采样方法负样本生成推荐系统中的知识表示链接预测与节点分类
本文探讨知识图谱嵌入中的负采样方法，强调其在训练中的重要性。基于对正、负样本的区分，论文总结了负采样方法的三种分类：静态分布、动态分布和自定义聚类。这为提升推荐系统、链接预测及节点分类等应用中的知识表示提供了新思路。
04
Qwen2.5 Technical Report
发表：2024/12/20
大语言模型Qwen2.5多阶段强化学习监督微调方法增强人类偏好大规模预训练数据集
Qwen2.5技术报告介绍了新一代大语言模型，预训练数据集扩展至18万亿词元，采用超过100万样本的精细监督微调和多阶段强化学习强化人类偏好。模型在长文本生成、结构化数据分析和指令遵循等任务中表现卓越，并提供多种版本以满足各种应用场景。
04
Live Avatar: Streaming Real-time Audio-Driven Avatar Generation with Infinite Length
发表：2025/12/4
实时音频驱动头像生成扩散模型高效推理低延迟流媒体生成时间一致性增强机制大规模参数扩散模型
本文提出了‘Live Avatar’，一个创新的算法系统协同设计框架，实现高效、高保真且无限长度的音频驱动虚拟人生成。采用14亿参数的扩散模型，通过时间强制流水线并行实现低延迟流式生成，并引入滚动式汇聚帧机制改善时间一致性，从而解决了身份漂移与颜色伪影问题。
07
Complex-valued Neural Operator for Solving 2D Wave Equation Based on Graph Neural Network
发表：2025/1/1
复杂值神经算子图神经网络应用二维波动方程求解格林函数方法电磁仿真加速
本文提出了一种基于图神经网络的复杂值神经算子（CVNeuralOp），用于求解二维波动方程。该方法启发于格林函数方法，通过迭代算法近似积分算子，展示了对不同域形状和网格密度的适应性。实验结果证明，CVNeuralOp在计算精度和时间上优于矩量法，能加速电磁仿真。
04
NSNO: Neumann Series Neural Operator for Solving Helmholtz Equations in Inhomogeneous Medium
发表：2024/1/25
Neumann级数神经算子Helmholtz方程求解嵌入U-Net网络架构偏微分方程深度学习逆散射问题模型
本文提出了诺依曼级数神经算子（NSNO），旨在通过非均匀系数和源项学习亥姆霍兹方程的解算子。该方法在高波数情况下显著提高了解的准确性，较先进方法降低了60%的相对误差，同时计算成本降低50%，并能作为逆散射问题的替代模型。
02
……