Pinterest introduced MIQPS, a URL normalization system that identifies which query parameters affect page identity using rendered content fingerprints. It reduces duplicate processing across...

Cloudflare and Stripe launched a protocol that lets AI agents autonomously create cloud accounts, register domains, start subscriptions, and deploy to production. Stripe handles identity and...

本研究提出了一种原型增强框架，旨在解决联邦学习中因领域异质性导致的全局模型收敛问题。通过引入联邦增强原型对比学习（FedAPC），显著提升了模型的泛化能力和稳健性，实验结果表明其性能优于现有技术。

本研究提出X-Reasoner模型，通过两阶段方法提升推理能力，实验结果显示其在多模态和医学任务中表现优异，达到领先水平。

本研究提出了一种基于极值理论的新统计框架，旨在量化极端错误并评估高风险领域中的灾难性失败概率。这一方法推动了机器学习模型的可靠性评估，促进了更安全的AI技术部署。

本研究提出了一种三重编码网络用于医学图像分割，特别是视网膜光学相干断层扫描（OCT）。该方法结合CNN、快速傅里叶卷积和注意力机制，有效捕捉空间与光谱域的全局关系，Dice评分从0.855提高至0.864，优于传统方法。

本研究提出了一种结构化噪声遮蔽方法，解决了现有方法忽视模态特性的缺陷，显著提升了视频和音频建模性能，强调了遮蔽策略的重要性。

本研究提出了AdaGraph-T3框架，解决了图异常检测中标记异常稀缺的问题。该框架结合监督与自监督学习，显著提升了跨领域图异常检测的性能，实验结果表明其在多个设置中优于最佳竞争模型。

本研究探讨脑机接口(BCIs)与生成性人工智能(GenAI)的整合，提出基于脑电图(EEG)的新方法，强调其在辅助技术和脑计算机交互中的应用潜力。

本研究提出RDMM框架，以解决机器人自主决策能力不足的问题。通过实时信息处理和上下文感知，实验结果显示其规划准确率达到93%，为人机交互和机器人自主性提升提供了新机遇。

本研究系统性审视生物医学知识图谱（BKG），涵盖其构建、任务及实际应用，解决了现有综述局限于特定领域的问题，明确了BKG研究现状，为未来探索奠定基础，推动方法学创新与应用实施。

本研究提出了一种多源动态扩展模型（MSDEM），旨在解决持续学习中的增量学习挑战。该模型通过动态注意力机制和图权重路由策略，提高了新任务学习的速度和性能，取得了先进成果。

本研究提出MORDA数据集，旨在帮助物体检测器适应未知的真实目标领域，同时保持在真实源领域的性能。该方法通过合成环境降低数据获取和标注成本，提升自动驾驶汽车在韩国驾驶环境中的检测能力。

TreeMatch是一个完全无监督的词义消歧系统，利用特定领域知识库和依赖知识，显著提高了消歧精度，测试结果优于最频繁选择基线。

本研究提出了新的基准MultiCodeBench，包含2400个编程任务，涵盖12个软件开发领域和15种编程语言，旨在提升特定领域的代码生成能力。