PaperWeekly
推荐系统不再瞎猜！IEDR首创多情境对比解耦学习，精准拆解用户偏好动因
在推荐系统中，本文提出了一种名为 Intrinsic-Extrinsic Disentangled Recommendation (IEDR) 的通用框架，能够在多种复杂交互情境下区分用户内在偏好与外在动机。
ICCV 2025 UV-CoT登场！无监督也能搞图像级思维链，偏好优化助力CoT跃迁
本文提出了一种无监督视觉思维链推理新框架UV-CoT，通过自动化的偏好数据生成与评估机制，在不依赖人工标注的情况下实现了图像级思维链学习。该方法显著提升了模型的空间感知与图文推理能力。
CVPR 2025 一行Dropout干翻多类异常检测？Dinomaly用“极简主义”刷出SOTA
论文提出Dinomaly方法，通过简化模型和创新技术解决了多类别异常检测中的性能问题。模型在多个数据集上达到SOTA表现，首次让多类统一模型超越单类专用模型，具有优异的可扩展性和易用性。
AI也怕压力大？REST多题评测挑战推理极限，DeepSeek性能暴跌近30%
给 AI 一场压力测试，结果显示顶级模型在多任务并行推理场景下表现大幅缩水。研究团队设计的 REST 框架在一个 prompt 中同时抛出多个问题，揭示了大模型在实际应用中的不足之处，并提出新的评测方法来提升评估效果。