推荐系统中不得不学的对比学习（Contrastive Learning）方法
今天我们来聊一聊推荐系统中不得不学的Contrastive Learning方法，近年来Contrastive Learning在CV和NLP领域的应用越来越广泛，在推荐系统中当然也不例外。
中国科大研制超弹性硬碳气凝胶
软碳和硬碳主要用于描述聚合物热解制备的碳材料，在热解过程中，一些碳原子重构成二维芳族石墨烯片，如果这些石墨烯片大致平行，在高温下则容易石墨化，这种碳被称为软碳；如果这些石墨烯片随机堆叠并通过边缘碳原子交联，高温下不能石墨化，这种碳则称为硬碳。
对比学习（Contrastive Learning）在CV与NLP领域中的研究进展
目前NLP领域的经验，自监督预训练使用的数据量越大，模型越复杂，那么模型能够吸收的知识越多，对下游任务效果来说越好。
AI 与你调情时，心里在想什么？
Anthropic 的最新研究 Natural Language Autoencoders（NLA）撕开了大模型的虚伪面具，首次将 Claude 的「数字潜意识」翻译成人类可读文本。
你的AI在干活，还是在刷分？OpenAI揭开模型讨好机制
真正原因是，那次任务的环境里，混进了一段看起来没清理干净的元数据，上面写着:评分器奖励偶数。模型在思维链里，把这事掂量了一遍:用户要奇数，打分的要偶数，然后它绕开用户，交出了4。
对比与生成：抖音SOTA多模态表征模型DME
抖音搜索多模态团队联合中国人民大学高瓴人工智能学院，发布抖音多模态表征模型 DME，在多模态表征权威评测榜单MMEB-v2上，DME 模型在 2B、9B 两个参数量级下均取得对应规模 SOTA，整体得分分别达到 74.8、78.4，视频与视觉文档检索的优势尤为突出。
Ilya刚预言完，世界首个原生多模态架构NEO就来了：视觉和语言彻底被焊死
当Ilya Sutskever最近公开宣称“纯靠Scaling Law的时代已经结束”，并断言“大模型的未来不在于单纯的规模更大，而是要架构变得更聪明”时，整个AI界都意识到了一场范式转移正在发生。
智慧养殖啥模样？面部识别每只动物
近日，中国农业科学院农业信息研究所机器视觉与农业机器人创新团队在动物面部智能识别方面取得新进展，提出一种多尺度对比图卷积神经网络模型，解决非限定条件下的动物面部识别问题。