用户7593137034851
用户7593137034851
大模型推荐算法大模型向量数据库
分享数据挖掘,机器学习,推荐系统等知识和学习笔记
10
0
0
0
大模型大模型向量数据库机器学习
分享数据挖掘,机器学习,推荐系统等知识和学习笔记
5
0
0
0
大模型大模型推荐算法向量数据库
分享数据挖掘,机器学习,推荐系统等知识和学习笔记
9
0
0
0
大模型大模型推荐算法数据中台
分享数据挖掘,机器学习,推荐系统等知识和学习笔记
17
0
0
0
AI大模型向量数据库机器学习
分享数据挖掘,机器学习,推荐系统等知识和学习笔记
9
0
0
0
大模型大模型向量数据库云通信
©作者| 任瑞阳王禹淏 吴诚颢‍‍机构|中国人民大学https://arxiv.org/abs/2501.13381这篇论文试图解决的问题是大型语言模型(LLMs)在多智能体系统中的“从众行为”(conformity)现象及其潜在影响。具体来说,研究聚焦于以下几个方面:从众行为的存在性:研究大型语言模型在多智能体协作环境中是否会表现出从众行为,即是否会因为其他智能体的意见而改变自己的判断。影响从众
74
0
0
0
AI推荐算法机器学习数据库
今天跟大家分享一篇WWW 2025 Industry Track来自香港城市大学和华为诺亚提出的一种新型表格数据合成模型 SampleLLM。它结合了LLM和重要性采样方法,以生成具有丰富语义信息,同时和原数据分布近似的合成数据。
21
0
0
0
大模型大模型向量数据库云通信
想用好DeepSeek,我们得先知道它厉害在哪里。
44
0
0
0
AI大模型推荐算法数据中台
本次AAAI2025共包含大概65篇推荐系统论文
583
0
0
0
大模型大模型向量数据库推荐算法
今天跟大家分享一篇来自于吉林大学、香港城市大学、快手科技、西安交通大学在AAAI 2025联合发表的基于LLM的推荐系统用户模拟器。
94
0
0
0
AI机器学习算法数据库
职位名称:快手国际化广告算法实习生团队介绍:快手国际化广告算法团队致力于在广告领域持续创新。我们已经成功落地了生成式推荐、因果纠偏推荐和强化学习等模型,目前我们的广告业务还在快速增长,需要更多优秀的同学加入。职位描述:1、参与机器学习、深度学习、强化学习和运筹优化等方向的优化工作,提高广告点击率、留存率和用户停留时长等核心指标。。2、推动推荐系统范式的革新,探索生成式推荐、序列推荐和决策、长期因果
77
0
0
0
大模型大模型向量数据库机器学习
中文书籍大语言模型LARGE LANGUAGE MODEL高等教育出版社你是否读过大语言模型综述文章A Survey of Large Language Models?这是学术界首篇系统介绍大语言模型技术的综述性文章,成为了很多人入门大模型的必读论文,目前引用次数已经突破3700次,获得了学术界的广泛关注。其中绘制的模型演进图、技术统计表被广泛传播、使用。为了进一步推动我国大模型技术的发展,该综述
43
0
0
0
大模型大模型推荐算法向量数据库
关注我们,一起学习论文标题:Instructing and Prompting Large Language Models for Explainable Cross-domain Recommendations论文地址:https://dl.acm.org/doi/pdf/10.1145/3640457.3688137本文利用大语言模型(LLM)为用户提供可解释的跨域推荐(CDR, cross-
75
0
0
0
大模型大模型向量数据库推荐算法
该工作利用了语义相似度以及itemcf的思想来进行大模型推荐
87
0
0
0
云原生向量数据库大模型数据库
关注我们,一起学习图片来源网络RAG又称为检索增强生成,今天借助RAGas [1]这个库介绍相关的评估指标。这里采用了平均精度的方式,假设召回K个相关样本,则Precision@k计算topk情况下的精度,然后对于所有的K个样本,从1到K计算每个topk下的精度,其中表示当前第k个样本是否对回答问题有帮助利用LLM :使用LLM,给定相关的提示词,对于(问题,上下文/回答,检索到的上下文)让LLM
72
0
0
0
大模型大模型向量数据库云存储
本文将深入介绍 FlashAttention 系列技术的核心原理、算法优化及其在大模型训练中的实际应用。通过减少内存开销和优化 GPU 并行计算,该技术显著提升了 Transformer 模型的训练效率,特别是在长序列处理上展现出强大优势。
169
0
0
0
AI推荐算法大数据机器学习
关注我们,一起学习标题: Deep Ensemble Shape Calibration: Multi-Field Post-hoc Calibration in Online Advertising地址:https://arxiv.org/pdf/2401.09507公司:shopee代码:https://github.com/HaoYang0123/DESC会议:KDD 2024导读 ====
165
0
0
0
AI推荐算法关系型数据库机器学习
关注我们,一起学习论文标题:Pay Attention to Attention for Sequential Recommendation论文链接:https://arxiv.org/pdf/2410.21048会议:RecSys 2024学校:青海大学转载请注明出处基于transformer的方法在许多序列化任务中取得了显著效果,然而传统的自注意力模型可能不足以捕获序列推荐场景中复杂的item
114
0
0
0
AI推荐算法机器学习关系型数据库
关注我们,一起学习TLDR:大语言模型(LLM)的集成显著提升了推荐系统的性能。然而,这通常以牺牲推荐多样性为代价,从而可能对用户满意度产生负面影响。为了解决这个问题,可控推荐已成为一种很有前景的方法,它允许用户指定自己的偏好并接收满足其多样化需求的推荐。尽管具有潜力,但现有的可控推荐系统经常依赖简单的机制(例如单个prompt微调)来调节多样性,这种方法未能完全捕捉用户偏好的复杂性。为了应对这些
190
0
0
0
音视频推荐算法机器学习关系型数据库
关注我们,一起学习标题: Coarse-to-fine Dynamic Uplift Modeling for Real-time Video Recommendation地址:https://arxiv.org/pdf/2410.16755公司吗,学校:快手,清华导读 =======本文主要是快手在视频推荐场景中,采用uplift建模。主要面临两个主要挑战:1)treatment的设计和利用,2
281
0
0
0