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。
墨尔本大学
移动端AI安全再突破！水印保护新范式：403个AI App成功保护率超8成
THEMIS团队提出水印保护框架THEMIS，用于解决移动端AI模型部署后的安全问题，包括模型提取与盗窃、知识产权侵犯等问题。该框架通过自动工具实现加密模型的精准提取和只读模型的写入能力，并提出FFKEW算法进行高效水印嵌入，展示了在多种应用场景下的有效性。