这篇综述论文详细论述了用户建模和个人资料研究领域的现状、发展趋势和未来发展方向，并提出了一个包含最新动态的新颖分类系统。研究表明，用户建模方法正在向更复杂的个人资料建立方法转变，强调隐式数据收集、多行为建模以及图数据结构的整合。此外，研究还探讨了用户建模在假新闻检测、网络安全和个性化教育等领域的应用。该综述为研究人员和实践者提供了全面的资源，旨在对用户建模和个人资料的发展提供深入洞察，指导更加个性化、道德和有效的人工智能系统的发展。

Feb, 2024

人类智能的一个特征是能够从有限的经验中推断出抽象规则，并将这些规则应用于陌生情境。本研究介绍了一个使用特征检测、仿射变换估计和搜索的算法方法来进行规则检测和应用，并在简化版的 Raven's Progressive Matrices 任务中展示了模型具有类似人类水平的一次性学习和符号推理能力。

Mar, 2024

人工智能系统的自主和通用行为是可能的，但需要理解和应用关键的结构化知识表示方法，通过交互对象实现类型空间以学习可转移的互动概念和泛化的元认知普适框架 (KIX) 可以与强化学习自然地整合知识，扮演推动人工智能系统实现自主和通用行为的关键角色。

Feb, 2024

研究机器学习在组织知识库中的应用，介绍了能够自动帮助人们识别专家和专业领域的推荐系统，并提出了应该关注和解决的一些开放性问题，以确保未来的工作能够为劳动者提供更好的体验。

Sep, 2022

通过提出几个泛化的标准以及一种动态且自主的机制，本文介绍了如何在项目模拟智能代理中实现有意义的泛化，从而使代理可以学习和应对大量数据，配合一个基于非常简单的原则的基本的项目模拟模型和泛化机制，使我们能够全面分析代理的性能并展示它通过泛化的益处。

Apr, 2015

该研究报告介绍了人工特征整合的问题，该问题提供了一种将非专业领域用户的重要个人知识纳入到机器学习预测中的方法，并通过用户故事和与现有方法的比较，形式化地描述了该问题，为未来的技术解决方案奠定了基础，并在半现实环境中进行了一个简单版本的解决方案的概念验证研究。

Jun, 2024

该论文综合系统地回顾了知识追踪 (KT) 领域的文献，涵盖了从早期尝试到使用深度学习的最新现状，强调了模型的理论方面和基准数据集的特征，阐明了相关方法之间的关键建模差异，并以易于理解的格式总结了它们。最后，我们讨论了 KT 文献中的当前研究差距和可能的未来研究和应用方向。

Jan, 2022

通过基于人类教学的伪边际抽样实现机器学习的普适性教学方法，成功地在主题模型上进行训练，并在电影简介数据中验证了该方法的优势。

May, 2016

这篇文章概述了创建和管理大型知识库的基本概念和实践方法，重点介绍了发现和规范实体及其语义类型、自动提取基于实体的属性以及构建开放架构和知识管理的方法。

Sep, 2020

本文介绍一种用于程序自动合成的方法，通过结合模式识别和显式推理来解决这些复杂的编程问题，同时使用新颖的中间表示和训练算法，使程序合成系统能够自学，从而在简单的英文描述编程问题数据集上取得了最先进的性能表现。

Feb, 2019