论文提出 D-VAE:对 LLM 生成广告中的营销标签做因果价值归因
研究提出 D-VAE 反事实推断框架,用于评估专家标签对 LLM 生成广告效果的因果贡献。基于 29177 条美妆广告素材的实验显示,推荐配置可提升 32.7% 互动率,效果与人类专家无统计差异。
共 7 篇相关资讯,按重要度与时间排序,每 3 小时更新。
研究提出 D-VAE 反事实推断框架,用于评估专家标签对 LLM 生成广告效果的因果贡献。基于 29177 条美妆广告素材的实验显示,推荐配置可提升 32.7% 互动率,效果与人类专家无统计差异。
研究在4.5万件美国专利上训练双曲与欧氏 VAE,发现双曲模型检索真正跨类别现有技术的比例高出52%(18.76% vs 12.34%)。论文还发现技术领域的分类广度与专利密度可预测方法效果,并开源含91项测试的完整实现,为跨分类码检索提供实用信号。
论文提出潜在动力学集合流滤波器(LD-EnFF),在紧凑潜在空间中同时完成预报传播与滤波更新,结合潜在动力学代理与基于 VAE 的观测模型。该方法避免重复全状态模拟与全场重建,在 Kolmogorov 流、海啸传播与大气建模等稀疏噪声观测基准上显著优于多种数据同化算法。
论文提出无监督图集群异常检测框架 UGCAD,针对物联网网络流量中研究较少的集群异常。它利用变分图自编码器学习图表示以增强聚类,先聚合精炼正常簇,再应用异常分数检测集群异常。在 CICIoT2023 与 ToN-IoT 数据集上,UGCAD 在聚类与集群异常检测上均优于传统及 SOTA 方法。
论文提出 FCx 方法,首次在反事实解释中显式强制「可行性」,避免建议改变种族等不可行或非建设性的修改。该方法基于改进的变分自编码器(VAE)与多因子损失函数,同时支持领域知识给定的硬约束和通过因果推断自动学习的软约束。在四个公开数据集上,FCx 在保持真实性与低代价的同时达到当前最优水平。
论文扩展条件变分自编码器框架,用循环解码器预测多尺度小波系数并经逆离散小波变换重建波形,从冲击响应谱反演合成冲击时间序列。独立训练、覆盖不同母小波与分解层级的模型集成对同一目标 SRS 各产生候选波形。在四个留出基准数据集上误差低于直接时域 CVAE 与衰减正弦和基线,批量推理每波形约 0.1-0…
研究提出基于变分自编码器与潜空间适配的非侵入式 CFD 校正方法,用于压气机叶栅开式叶尖间隙流预测。VAE 先学习总压损失场的低维表示,再冻结并用仅 12 组实验工况训练低秩适配器。交叉验证中平均绝对误差从 0.1335 降至 0.0473,无需修改 RANS 求解器。