Память о предпочтениях: долгосрочные векторные представления для персонализации
![Асимметричный автоэнкодер, предназначенный для тонкой настройки LTE, проецирует историю пользователя [latex]\bm{h}_{u}[/latex] в латентное пространство [latex]\bm{z}_{u}[/latex], используя обучаемый энкодер, и, благодаря применению замороженной матрицы контент-встраиваний [latex]\bm{E}[/latex] в качестве декодера, обеспечивает изучение поведенческих закономерностей при сохранении стабильного семантического пространства, где реконструкция вычисляется как [latex]\bm{\hat{y}}_{u}=\bm{z}_{u}\bm{E}^{\in tercal}[/latex], гарантируя совместимость с эвристическим усреднением на основе контента.](https://arxiv.org/html/2604.08181v1/x2.png)
Новый подход к рекомендациям позволяет учитывать устойчивые долгосрочные интересы пользователя, не теряя при этом актуальность краткосрочных запросов.
Наука
Из научных статей – в структурированные данные: новый подход к извлечению материалов
Исследователи разработали эффективный метод автоматического извлечения и реконструкции сложных научных данных из разнородных источников литературы с использованием больших языковых моделей.
Материалы будущего: Монте-Карло-симуляции в невиданных масштабах
Новая платформа SMC-AI позволяет проводить Монте-Карло-симуляции до четырех триллионов атомов, открывая новые горизонты в материаловедении.
Начальная точка решает: оптимизация сжатия больших языковых моделей
Новый подход к экстремальной квантизации больших языковых моделей показывает, что начальная инициализация кодовых книг критически важна для достижения оптимальной производительности.
Редактирование изображений по запросу: новый подход к управлению визуальным контентом
Исследователи предлагают метод, позволяющий значительно улучшить качество инструкций для редактирования изображений, делая процесс более интуитивным и точным.