机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化了数据爬取流程。

本文首次全面研究了多语言大语言模型中的记忆化现象，分析了95种语言，提出了基于图的相关性指标，强调语言相似性对记忆化的影响，尤其在样本较少的语言中更为显著。

本研究解决了现有文本到语音（TTS）系统评估方法的主观性和多维设计不足的问题。通过提出音频图灵测试（ATT）和多维中文语料库ATT-Corpus，提供了一种简化的评估协议，使评估者判断声音是否听起来像人类，从而提高了评估的可靠性和有效性。实验结果表明，ATT有效区分模型的各个能力维度，而Auto-ATT在与人类评估的一致性方面表现出色，成为快速可靠的评估工具。

本研究针对图对比学习（GCL）中由绝对相似性保留引发的挑战，提出了相对相似性保留的新思路。通过分析真实世界中的11个图，我们发现标签一致性随着结构距离增加而系统性下降，这一发现促成了RELGCL框架的提出，该框架通过集体相似性目标保留了图的内在相似性模式。实验结果显示，RELGCL在同质和异质图上均优于20种现有方法，验证了自然相对相似性的重要性。

本研究解决了大型语言模型（LLMs）在规划任务中的性能问题，具体探讨了如何通过上下文学习（ICL）来提升模型的规划能力。研究提出了一种名为GRASE-DC的方法，该方法通过行动序列相似性进行示例采样和过滤，从而显著提高了多个规划任务的准确性（提高幅度可达11-40个百分点），并在更复杂的问题上实现更好的泛化能力。

本研究针对当前互联网迷因聚类方法在理解多模态、文化背景及适应性方面的不足进行了探讨。提出了一种新颖的基于模板匹配的多维相似性特征聚类方法，使得不再依赖预定义数据库，支持适应性匹配。研究结果显示，该方法在聚类一致性和连贯性方面优于现有方法，能够更好地反映人类直觉。

本研究提出了一种可解释的机器学习框架，用于早期检测多药耐药性（MDR）。通过多变量时间序列分析，量化患者相似性，框架在ICU电子健康记录中验证达到81%的AUC，识别关键风险因素如抗生素使用和合并感染，展示了其在早期检测中的潜力。

本研究解决了在资源受限环境中进行长输入提示的LLM推理时的缓存淘汰问题。提出的KeyDiff方法基于关键相似性，在不依赖于注意力分数的情况下，优化缓存选择，从而最大化关键多样性并提升性能。实验表明，KeyDiff显著提高了在内存和计算预算有限的情况下的推理效率，且在LongBench基准测试中表现出与非淘汰基线相差小于0.04%。

本文提出了一种贝叶斯动态借贷(BDB)方法，以增强自发报告系统中不良事件(AEs)的定量识别能力。该方法通过引入语义相似性度量(SM)来实现与目标优选术语临床相似的MedDRA术语的信息加权共享，从而解决了当前不成比例性分析中严格层次分组的局限性。研究发现，IC SSM方法在识别不良事件的敏感性上显著优于传统IC分析，且在早期市场后期表现出更高的稳定性和相关性。

本研究解决了音乐相似性检索中传统单模态方法无法有效捕捉复杂音乐关系的问题。提出了一种新颖的跨模态对比学习框架，利用文本描述指导音乐相似性建模，并通过在线抓取和大语言模型提示相结合的数据获取方法，显著提高了性能。实验结果表明，该框架在多个基准测试中均表现出显著的性能提升，具有广泛的应用潜力。

本研究旨在解决句子嵌入如何根据上下文最佳修改的问题。提出的条件感知句子嵌入（CASE）方法通过使用大型语言模型创建上下文嵌入，并采用监督非线性投影技术，从而有效提高句子嵌入的准确性和效率。实验结果表明，CASE在标准基准数据集上显著超越了以往的方法，并且通过条件嵌入的减法提升了性能。