人工智能
文章平均质量分 93
Anooyman
这个作者很懒,什么都没留下…
展开
-
Active RAG -- FLARE 详解
MCU Active RAG -- FLARE 论文详解原创 2024-01-21 14:53:48 · 1018 阅读 · 0 评论 -
减少 LLM 幻觉方法--CoVe
Meta AI,Chain-of-Verification(CoVe)论文详解原创 2024-01-20 17:15:46 · 1175 阅读 · 0 评论 -
RAG 评估框架 -- ARES
ARES 框架详解原创 2024-01-15 10:30:00 · 1140 阅读 · 0 评论 -
RAG 评估框架 -- RAGAS
RAG 评估框架 -- RAGAS 详解原创 2024-01-14 11:41:04 · 1692 阅读 · 0 评论 -
Retrieval-Augmented Generation for Large Language Models: A Survey
在大型语言模型时代,RAG的具体定义是指在回答问题或生成文本时,首先从大量文档中检索相关信息的模型。随后,它利用这些检索到的信息来生成响应或文本,从而提高预测的质量。RAG方法允许开发人员避免为每个特定任务重新训练整个大型模型。原创 2024-01-07 14:52:19 · 3063 阅读 · 0 评论 -
DragGAN-点对点的手动P图
这项工作旨在为 GAN 开发一种交互式图像操作方法,用户只需点击图像定义一些(handle point,target point)对,然后驱动 handle point 到达它们对应的 target point。原创 2023-06-04 20:59:22 · 881 阅读 · 1 评论 -
Graph Anomaly Detection with Deep Learning——图检测
图异常检测原创 2022-01-30 16:44:01 · 3773 阅读 · 0 评论 -
Graph Anomaly Detection with Deep Learning——子图检测
子图异常检测原创 2022-01-25 07:28:31 · 3536 阅读 · 0 评论 -
Graph Anomaly Detection with Deep Learning——边检测
与针对单个节点的异常节点检测不同,异常边缘检测 (Anomalous edge detection,ANOS ED)旨在识别异常链路,这些链接通常会通知真实对象之间的意外或异常关系。原创 2022-01-16 10:11:13 · 2812 阅读 · 2 评论 -
Graph Anomaly Detection with Deep Learning——基于属性图的节点异常检测
基于属性图的节点异常检测算法总结原创 2022-01-15 15:48:43 · 2702 阅读 · 0 评论 -
Graph Anomaly Detection with Deep Learning——节点检测
异常节点的分类全局异常:只考虑节点属性。它们是具有与图中所有其他节点显著不同的属性的节点。结构异常:只考虑图形结构信息。它们是具有不同连接模式的异常节点(例如,连接不同社群,与其他社群形成密集链接)社群异常:既考虑节点属性又考虑图结构信息。它们被定义为与同一社群中的其他节点相比具有不同属性值的节点原创 2022-01-08 16:32:46 · 2846 阅读 · 0 评论 -
A Comprehensive Survey on Graph Anomaly Detection with Deep Learning——前言
论文:A Comprehensive Survey on Graph Anomaly Detection with Deep Learning论文地址:https://arxiv.org/abs/2106.07178本文的写作动机异常检测是一种数据挖掘过程,旨在识别偏离数据集中大多数数据的异常模式。在这一领域的早期工作中,检测方法在很大程度上依赖于手工制作的特征工程或领域专家构建的统计模型。这内在地限制了这些技术检测未知异常的能力,而且是非常消耗人力的。因此提出了利用图中包含的结构信息,检测图中的异原创 2021-12-19 13:45:37 · 1477 阅读 · 0 评论