25届秋招同学专属 | 妈妈技术&淘天算法技术OpenDay，欢迎报名入园交流

于 2024-07-15 19:20:54 发布
阅读量304 收藏
点赞数 2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/alimama_tech/article/details/140454628
版权

bd4528255685cef8dbc5490114db1b22.jpeg

博客
WWW‘25 | DAGPrompT：分布感知的图提示微调方法
04-23 605
要在复杂图上实现更优的泛化表现，需要应对两个关键挑战：（1）提升模型对下游任务中新分布的适应能力，缓解因异质性导致的预训练与微调之间的分布差异；这一现象印证了我们在前文中的观点：在结构复杂的图上，预训练任务与下游任务之间存在较大的分布偏差，单纯依赖任务重构或Prompt机制难以充分弥合这一差异。异质性的存在限制了Prompt方法在学习有效嵌入时的表现。我们在10个数据集和14个主流基线方法上的实验结果表明，DAGPrompT在节点分类任务中的准确率最高提升可达 4.79%，充分验证了方法的有效性与优越性。
博客
“比人类还会骗人“：Z世代大学生用AI重构“谁是卧底“，各家模型大乱斗
04-23 760
与首次比赛相比，本次比赛排名前三的选手均选择了使用具备推理能力的模型，如 claude-3.7-thinking、deepseek-r1，这一选择背后突显了在“谁是卧底”这类需要思考、伪装的真实任务中，推理模型所具备的天然优势。随着LLM模型日新月异的发展、推理模型的开源和普及，本届比赛选手的Agent，普遍有了更强大基座模型的武装，也在比赛中表现出了非常多令人类都自叹弗如的高光时刻。期待通过比赛的形式，帮助更多对AI感兴趣的同学打开想象力的大门，激励大家投身到对AI的研究和探索当中。
博客
WWW‘25 | DAGPrompT：分布感知的图提示微调方法
04-23 778
要在复杂图上实现更优的泛化表现，需要应对两个关键挑战：（1）提升模型对下游任务中新分布的适应能力，缓解因异质性导致的预训练与微调之间的分布差异；这一现象印证了我们在前文中的观点：在结构复杂的图上，预训练任务与下游任务之间存在较大的分布偏差，单纯依赖任务重构或Prompt机制难以充分弥合这一差异。异质性的存在限制了Prompt方法在学习有效嵌入时的表现。我们在10个数据集和14个主流基线方法上的实验结果表明，DAGPrompT在节点分类任务中的准确率最高提升可达 4.79%，充分验证了方法的有效性与优越性。
博客
“比人类还会骗人“：Z世代大学生用AI重构“谁是卧底“，各家模型大乱斗
04-23 764
与首次比赛相比，本次比赛排名前三的选手均选择了使用具备推理能力的模型，如 claude-3.7-thinking、deepseek-r1，这一选择背后突显了在“谁是卧底”这类需要思考、伪装的真实任务中，推理模型所具备的天然优势。随着LLM模型日新月异的发展、推理模型的开源和普及，本届比赛选手的Agent，普遍有了更强大基座模型的武装，也在比赛中表现出了非常多令人类都自叹弗如的高光时刻。期待通过比赛的形式，帮助更多对AI感兴趣的同学打开想象力的大门，激励大家投身到对AI的研究和探索当中。
博客
“比人类还会骗人“：Z世代大学生用AI重构“谁是卧底“，各家模型大乱斗
04-23 851
与首次比赛相比，本次比赛排名前三的选手均选择了使用具备推理能力的模型，如 claude-3.7-thinking、deepseek-r1，这一选择背后突显了在“谁是卧底”这类需要思考、伪装的真实任务中，推理模型所具备的天然优势。随着LLM模型日新月异的发展、推理模型的开源和普及，本届比赛选手的Agent，普遍有了更强大基座模型的武装，也在比赛中表现出了非常多令人类都自叹弗如的高光时刻。期待通过比赛的形式，帮助更多对AI感兴趣的同学打开想象力的大门，激励大家投身到对AI的研究和探索当中。
博客
WWW‘25 | DAGPrompT：分布感知的图提示微调方法
04-23 712
要在复杂图上实现更优的泛化表现，需要应对两个关键挑战：（1）提升模型对下游任务中新分布的适应能力，缓解因异质性导致的预训练与微调之间的分布差异；这一现象印证了我们在前文中的观点：在结构复杂的图上，预训练任务与下游任务之间存在较大的分布偏差，单纯依赖任务重构或Prompt机制难以充分弥合这一差异。异质性的存在限制了Prompt方法在学习有效嵌入时的表现。我们在10个数据集和14个主流基线方法上的实验结果表明，DAGPrompT在节点分类任务中的准确率最高提升可达 4.79%，充分验证了方法的有效性与优越性。
博客
WWW‘25 | 大模型深度赋能搜索广告：相关性大模型多维知识蒸馏
04-23 580
在大模型掀起互联网各行业变革的时代，搜索广告能否借助大模型的东风，为广告营收与消费者购物体验带来持续增量？本文介绍阿里妈妈搜索广告相关性团队在相关性大模型建设、大模型赋能在线模型以保障淘宝消费者体验的前沿研究工作。在电商搜索系统中，精准的搜索结果相关性建模对于提升用户体验和保障用户满意度具有重要意义。近期，基于大语言模型（LLM）的相关性建模方法展现了强大的性能和长尾场景的泛化能力，相较于传统神经网络方法具有显著优势。然而，LLM相关性建模方法在实际应用中仍面临两大挑战：其一，模型参数量庞大且计算需求高，难
博客
“比人类还会骗人“：Z世代大学生用AI重构“谁是卧底“，各家模型大乱斗
04-23 943
与首次比赛相比，本次比赛排名前三的选手均选择了使用具备推理能力的模型，如 claude-3.7-thinking、deepseek-r1，这一选择背后突显了在“谁是卧底”这类需要思考、伪装的真实任务中，推理模型所具备的天然优势。随着LLM模型日新月异的发展、推理模型的开源和普及，本届比赛选手的Agent，普遍有了更强大基座模型的武装，也在比赛中表现出了非常多令人类都自叹弗如的高光时刻。期待通过比赛的形式，帮助更多对AI感兴趣的同学打开想象力的大门，激励大家投身到对AI的研究和探索当中。
博客
WWW‘25 | DAGPrompT：分布感知的图提示微调方法
04-23 688
要在复杂图上实现更优的泛化表现，需要应对两个关键挑战：（1）提升模型对下游任务中新分布的适应能力，缓解因异质性导致的预训练与微调之间的分布差异；这一现象印证了我们在前文中的观点：在结构复杂的图上，预训练任务与下游任务之间存在较大的分布偏差，单纯依赖任务重构或Prompt机制难以充分弥合这一差异。异质性的存在限制了Prompt方法在学习有效嵌入时的表现。我们在10个数据集和14个主流基线方法上的实验结果表明，DAGPrompT在节点分类任务中的准确率最高提升可达 4.79%，充分验证了方法的有效性与优越性。
博客
WWW‘25 | 大模型深度赋能搜索广告：相关性大模型多维知识蒸馏
04-23 895
在大模型掀起互联网各行业变革的时代，搜索广告能否借助大模型的东风，为广告营收与消费者购物体验带来持续增量？本文介绍阿里妈妈搜索广告相关性团队在相关性大模型建设、大模型赋能在线模型以保障淘宝消费者体验的前沿研究工作。在电商搜索系统中，精准的搜索结果相关性建模对于提升用户体验和保障用户满意度具有重要意义。近期，基于大语言模型（LLM）的相关性建模方法展现了强大的性能和长尾场景的泛化能力，相较于传统神经网络方法具有显著优势。然而，LLM相关性建模方法在实际应用中仍面临两大挑战：其一，模型参数量庞大且计算需求高，难
博客
“比人类还会骗人“：Z世代大学生用AI重构“谁是卧底“，各家模型大乱斗
04-23 289
与首次比赛相比，本次比赛排名前三的选手均选择了使用具备推理能力的模型，如 claude-3.7-thinking、deepseek-r1，这一选择背后突显了在“谁是卧底”这类需要思考、伪装的真实任务中，推理模型所具备的天然优势。随着LLM模型日新月异的发展、推理模型的开源和普及，本届比赛选手的Agent，普遍有了更强大基座模型的武装，也在比赛中表现出了非常多令人类都自叹弗如的高光时刻。期待通过比赛的形式，帮助更多对AI感兴趣的同学打开想象力的大门，激励大家投身到对AI的研究和探索当中。
博客
WWW‘25 | 大模型深度赋能搜索广告：相关性大模型多维知识蒸馏
04-23 411
在大模型掀起互联网各行业变革的时代，搜索广告能否借助大模型的东风，为广告营收与消费者购物体验带来持续增量？本文介绍阿里妈妈搜索广告相关性团队在相关性大模型建设、大模型赋能在线模型以保障淘宝消费者体验的前沿研究工作。在电商搜索系统中，精准的搜索结果相关性建模对于提升用户体验和保障用户满意度具有重要意义。近期，基于大语言模型（LLM）的相关性建模方法展现了强大的性能和长尾场景的泛化能力，相较于传统神经网络方法具有显著优势。然而，LLM相关性建模方法在实际应用中仍面临两大挑战：其一，模型参数量庞大且计算需求高，难
博客
“比人类还会骗人“：Z世代大学生用AI重构“谁是卧底“，各家模型大乱斗
04-23 460
与首次比赛相比，本次比赛排名前三的选手均选择了使用具备推理能力的模型，如 claude-3.7-thinking、deepseek-r1，这一选择背后突显了在“谁是卧底”这类需要思考、伪装的真实任务中，推理模型所具备的天然优势。随着LLM模型日新月异的发展、推理模型的开源和普及，本届比赛选手的Agent，普遍有了更强大基座模型的武装，也在比赛中表现出了非常多令人类都自叹弗如的高光时刻。期待通过比赛的形式，帮助更多对AI感兴趣的同学打开想象力的大门，激励大家投身到对AI的研究和探索当中。
博客
WWW‘25 | DAGPrompT：分布感知的图提示微调方法
04-23 541
要在复杂图上实现更优的泛化表现，需要应对两个关键挑战：（1）提升模型对下游任务中新分布的适应能力，缓解因异质性导致的预训练与微调之间的分布差异；这一现象印证了我们在前文中的观点：在结构复杂的图上，预训练任务与下游任务之间存在较大的分布偏差，单纯依赖任务重构或Prompt机制难以充分弥合这一差异。异质性的存在限制了Prompt方法在学习有效嵌入时的表现。我们在10个数据集和14个主流基线方法上的实验结果表明，DAGPrompT在节点分类任务中的准确率最高提升可达 4.79%，充分验证了方法的有效性与优越性。
博客
WWW‘25 | DAGPrompT：分布感知的图提示微调方法
04-23 326
要在复杂图上实现更优的泛化表现，需要应对两个关键挑战：（1）提升模型对下游任务中新分布的适应能力，缓解因异质性导致的预训练与微调之间的分布差异；这一现象印证了我们在前文中的观点：在结构复杂的图上，预训练任务与下游任务之间存在较大的分布偏差，单纯依赖任务重构或Prompt机制难以充分弥合这一差异。异质性的存在限制了Prompt方法在学习有效嵌入时的表现。我们在10个数据集和14个主流基线方法上的实验结果表明，DAGPrompT在节点分类任务中的准确率最高提升可达 4.79%，充分验证了方法的有效性与优越性。
博客
“比人类还会骗人“：Z世代大学生用AI重构“谁是卧底“，各家模型大乱斗
04-23 392
与首次比赛相比，本次比赛排名前三的选手均选择了使用具备推理能力的模型，如 claude-3.7-thinking、deepseek-r1，这一选择背后突显了在“谁是卧底”这类需要思考、伪装的真实任务中，推理模型所具备的天然优势。随着LLM模型日新月异的发展、推理模型的开源和普及，本届比赛选手的Agent，普遍有了更强大基座模型的武装，也在比赛中表现出了非常多令人类都自叹弗如的高光时刻。期待通过比赛的形式，帮助更多对AI感兴趣的同学打开想象力的大门，激励大家投身到对AI的研究和探索当中。
博客
WWW‘25 | DAGPrompT：分布感知的图提示微调方法
04-23 472
要在复杂图上实现更优的泛化表现，需要应对两个关键挑战：（1）提升模型对下游任务中新分布的适应能力，缓解因异质性导致的预训练与微调之间的分布差异；这一现象印证了我们在前文中的观点：在结构复杂的图上，预训练任务与下游任务之间存在较大的分布偏差，单纯依赖任务重构或Prompt机制难以充分弥合这一差异。异质性的存在限制了Prompt方法在学习有效嵌入时的表现。我们在10个数据集和14个主流基线方法上的实验结果表明，DAGPrompT在节点分类任务中的准确率最高提升可达 4.79%，充分验证了方法的有效性与优越性。
博客
WWW‘25 | 大模型深度赋能搜索广告：相关性大模型多维知识蒸馏
04-23 574
在大模型掀起互联网各行业变革的时代，搜索广告能否借助大模型的东风，为广告营收与消费者购物体验带来持续增量？本文介绍阿里妈妈搜索广告相关性团队在相关性大模型建设、大模型赋能在线模型以保障淘宝消费者体验的前沿研究工作。在电商搜索系统中，精准的搜索结果相关性建模对于提升用户体验和保障用户满意度具有重要意义。近期，基于大语言模型（LLM）的相关性建模方法展现了强大的性能和长尾场景的泛化能力，相较于传统神经网络方法具有显著优势。然而，LLM相关性建模方法在实际应用中仍面临两大挑战：其一，模型参数量庞大且计算需求高，难
博客
WWW‘25 | 大模型深度赋能搜索广告：相关性大模型多维知识蒸馏
04-23 473
在大模型掀起互联网各行业变革的时代，搜索广告能否借助大模型的东风，为广告营收与消费者购物体验带来持续增量？本文介绍阿里妈妈搜索广告相关性团队在相关性大模型建设、大模型赋能在线模型以保障淘宝消费者体验的前沿研究工作。在电商搜索系统中，精准的搜索结果相关性建模对于提升用户体验和保障用户满意度具有重要意义。近期，基于大语言模型（LLM）的相关性建模方法展现了强大的性能和长尾场景的泛化能力，相较于传统神经网络方法具有显著优势。然而，LLM相关性建模方法在实际应用中仍面临两大挑战：其一，模型参数量庞大且计算需求高，难
博客
WWW‘25 | DAGPrompT：分布感知的图提示微调方法
04-23 517
要在复杂图上实现更优的泛化表现，需要应对两个关键挑战：（1）提升模型对下游任务中新分布的适应能力，缓解因异质性导致的预训练与微调之间的分布差异；这一现象印证了我们在前文中的观点：在结构复杂的图上，预训练任务与下游任务之间存在较大的分布偏差，单纯依赖任务重构或Prompt机制难以充分弥合这一差异。异质性的存在限制了Prompt方法在学习有效嵌入时的表现。我们在10个数据集和14个主流基线方法上的实验结果表明，DAGPrompT在节点分类任务中的准确率最高提升可达 4.79%，充分验证了方法的有效性与优越性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值