食品信息学是一个跨学科领域,旨在整合和分析食品相关数据,涵盖分子、食物和系统三个层面,强调数据流动与知识发现。未来发展方向包括数据整合、基础设施建设、探索设计、专家协作及教育培训。
Elastic在IDC MarketScape中被评为2025年全球知识发现领导者,突显其在搜索、分析和AI整合方面的创新能力。Elastic平台支持多种数据类型,帮助企业高效处理数据,推动智能洞察和生成AI应用的发展。
Elastic在IDC MarketScape《2025年全球通用知识发现供应商评估》中被评为领导者,展示了其在搜索、分析和AI融合方面的创新能力。该平台支持多种数据类型,助力企业实现智能洞察,推动数字化转型。
本研究探讨了小型语言模型(SLMs)在教育领域的潜力,强调其在资源有限的机构中提供高质量人工智能工具的能力。研究指出,SLM如Phi-2在知识发现和问题解决方面表现优异,呼吁更多关注SLM驱动的人工智能教育方法。
ElasticGPT是Elastic公司内部的生成式AI助手,基于检索增强生成(RAG)框架,利用Elasticsearch进行数据检索和存储。它提供安全、可扩展的知识发现,支持对OpenAI的GPT-4o和GPT-4o-mini模型的私密访问,提升信息检索和生成能力,确保高效、安全的用户体验。
本文探讨了大型语言模型(LLMs)在因果推理中的能力与局限性。研究发现,LLMs能够利用现有因果知识回答因果问题,但在发现新知识和高精度决策任务方面仍存在不足。未来的研究方向包括引入因果模块以提高模型的可靠性和效率,并提出基准测试以评估LLMs对因果关系的理解,强调因果推理在提升人工智能系统中的潜力。
本文探讨模式挖掘在预测模型中的应用,提出多种框架和算法,以提高无监督学习的准确性和效率,旨在改善决策制定和知识发现。
ACM SIGKDD(国际数据挖掘与知识发现大会,KDD)是数据挖掘领域最大的国际学术会议之一。今年的KDD大会在西班牙巴塞罗那举行,多位华人研究者获奖,包括孟瑜获得杰出博士论文奖和华人学者参与的《CAT: Interpretable Concept-based Taylor Additive Models》获得最佳论文奖。此外,中国科学技术大学和华为合作的《Dataset Regeneration for Sequential Recommendation》获得最佳学生论文奖。
本文分析了大型语言模型(LLMs)在因果推理中的能力,指出其在回答因果问题时的优势与不足。尽管LLMs能够结合现有因果知识,但在发现新知识和高精度决策方面仍存在不足。研究提出了新的任务和数据集,以评估LLMs的因果推理能力,并探讨了未来的研究方向,包括显式和隐式因果模块的应用,以提升模型的可靠性和效率。
Stack Overflow for Teams 2024.3版本推出了智能协作和知识发现的新功能,包括基于生成AI的付费附加功能OverflowAI。新主页提供个性化推荐,用户可以更轻松地分享知识和跟踪贡献。增强的搜索功能利用生成AI快速汇总内部知识,提升决策效率。Slack的自动回答应用程序简化了知识访问,未来将推出更多AI增强功能。
ACM SIGKDD是一个重要的国际会议,旨在促进数据挖掘和知识发现的应用和理论研究。其中,论文提出了PIER重新排序框架,用于改善Feed流推荐质量;提出了CCTL协同跨域迁移学习框架,用于改善不同业务领域的CTR预测建模;提出了DPVP双重时段变化偏好建模模型,用于解决外卖推荐中的双重交互感知偏好问题;提出了在线奖励分配框架,用于解决奖励分配中的挑战;提出了C-AOI基于实例分割的AOI轮廓自动生成框架,用于提高AOI边界生成质量;介绍了NEON用户意图预测系统,用于准确理解用户需求;介绍了美团在KDD Cup 2023比赛中的解决方案,包括召回和排序两个阶段。美团科研合作致力于搭建合作平台,推动产学研合作和成果转化。
完成下面两步后,将自动完成登录并继续当前操作。