A Redundancy Reduction Approach for Controllable Sequential Recommendations
本文提出一种通过特征解相关减少冗余的方法，以解决序列推荐中长尾项目曝光不足的问题，并通过Barlow Twins目标实现，改善了推荐的准确性和长尾项目的曝光度。
0 citationsRead paper
Selected work
Representative Papers
Agentic Search Spaces for Tabular Machine Learning
研究利用先进的AI系统扩展表格模型的超参数搜索空间，通过代理提出模块化管道的候选实现，并使用经典HPO算法优化，从而在多个数据集上提高了模型性能。
0 citationsRead paper
Maximal Kolmogorov Complexity in a Hamming Ball
研究了在给定Hamming距离r内字符串的最大Kolmogorov复杂度g_x(r)的可能取值及函数形式，通过界定g_x(r)的上下限，并探讨了其性质。
0 citationsRead paper
A Model with No Head and Many Thoughts
为解决语言模型推理时计算成本高和离散化问题，提出使用轻量级投影器替代传统头部的方法，在连续空间中进行推理，实验显示该方法有效提高了性能。
0 citationsRead paper
BEAR-Bench: A Bilingual Enterprise and Academic Reasoning Benchmark for Multimodal Models
为解决多模态大模型在处理专业文档时的推理能力评估不足问题，通过构建包含1000个基于英俄双语文本丰富的企业和学术文档的问题基准BEAR-Bench进行评测。
0 citationsRead paper
Recent publications
Latest Papers
A Redundancy Reduction Approach for Controllable Sequential Recommendations
本文提出一种通过特征解相关减少冗余的方法，以解决序列推荐中长尾项目曝光不足的问题，并通过Barlow Twins目标实现，改善了推荐的准确性和长尾项目的曝光度。
0 citationsRead paper
Agentic Search Spaces for Tabular Machine Learning
研究利用先进的AI系统扩展表格模型的超参数搜索空间，通过代理提出模块化管道的候选实现，并使用经典HPO算法优化，从而在多个数据集上提高了模型性能。
0 citationsRead paper
Maximal Kolmogorov Complexity in a Hamming Ball
研究了在给定Hamming距离r内字符串的最大Kolmogorov复杂度g_x(r)的可能取值及函数形式，通过界定g_x(r)的上下限，并探讨了其性质。
0 citationsRead paper
A Model with No Head and Many Thoughts
为解决语言模型推理时计算成本高和离散化问题，提出使用轻量级投影器替代传统头部的方法，在连续空间中进行推理，实验显示该方法有效提高了性能。
0 citationsRead paper
BEAR-Bench: A Bilingual Enterprise and Academic Reasoning Benchmark for Multimodal Models
为解决多模态大模型在处理专业文档时的推理能力评估不足问题，通过构建包含1000个基于英俄双语文本丰富的企业和学术文档的问题基准BEAR-Bench进行评测。
0 citationsRead paper