- 找出父级，然后标记子级：使用预训练语言模型的两阶段分类法完成方法
本文提出了名为 ATTEMPT 的两阶段方法，通过找到父节点并标记子节点的方式，将新概念插入正确的位置。利用预训练的语言模型进行上下位关系识别，通过合并本地节点和提示生成自然语句。实验结果表明，ATTEMPT 在分类系统补全和扩展任务上表现 - HIGHT: 图语对齐的层次图切分
利用分层图标记的新策略（HIGHT）在分子图中增强了大型语言模型（LLMs）的图 - 语言对齐性和生成输出的准确性。
- DeepHGNN: 基于图神经网络的层次相关多变量时间序列预测方法研究
这篇论文介绍了一种针对复杂层次结构的新型 Hierarchical GNN（DeepHGNN）框架，该框架通过创新的基于图的层次插值和端到端的协调机制，在多个层次上确保了预测的准确性和一致性，同时在层次之间共享信号，以解决层次预测中的一个关 - Hi-GMAE：层次图掩码自编码器
Hierarchical Graph Masked AutoEncoders (Hi-GMAE) is a multi-scale framework that addresses the limitations of single-sca - 从语言模型中归纳语言结构
该论文研究了从语言模型中以无监督方式生成组成和依赖结构的问题，并通过一系列实验表明了其在语法结构识别方面的可行性和存在的限制。
- 离线技能扩散的稳健策略学习
通过离线数据集学习的、能够在不同领域中应用的多功能技能是一项全新的离线技能学习框架 DuSkill 的核心，通过引导式扩散模型生成可以应用于任务的多功能技能，从而增加不同领域中策略学习的稳健性。
- 关于 RNN 语言模型归纳偏差的理论结果
循环神经网络（RNNs）作为语言模型（LMs）的经验成功可能与其能够有效地表示人类语言中的有界分层结构有关，并且可以推广其构造以表示更大类别的 LMs，即可以用带有边界堆栈和广义堆栈更新函数的推挤自动机来表示。然而，RNNs 在表示多样化的 - 语言模型作为层次编码器
利用超几何空间重新训练语言模型中的分层转换器编码器（Hierarchy Transformer encoders，HiTs），为回归语言模型中隐含的分层结构提供了一种新的方法，通过聚类与层级组织相关实体来提高在推论、预测和跨层次知识传递等任 - HQ-VAE：具有变分贝叶斯的分层离散表示学习
基于变分贝叶斯框架，提出一种新颖的统一框架，即分层量化变分自动编码器（HQ-VAE），其以离散表示形式随机学习层次化的离散特征，并解决了分层 VQ-VAE 中的代码本 / 层级坍塌问题，从而提高重建性能。
- 工程设计知识的实证基础
基于专利文件的经验观察，该研究揭示了工程设计知识的构成成分，包括基于句子的事实中存在的实体和关系，以及具有过度表达关系的统计上过表现的子图模式，为设计环境中更好地构建和管理知识提供了有用的指导原则。
- 多方位特性数据的表格二维相关分析
我们提出了用于从多方位表征数据中提取特征的二维表状相关分析方法，该方法通过热图可视化结构参数变化的相似性和相位滞后，结合分层聚类和异步相关。我们将该方法应用于在不同温度退火的碳纳米管（CNTs）薄膜数据集，并揭示了其包括空隙、束缚和非晶碳等 - 快速双曲线决策树算法
本研究介绍了一种基于超几何决策树算法的新方法 hyperDT，通过在超几何空间中利用内积来使得决策树算法适用于超几何空间，从而消除了计算密集型的 Riemannian 优化和数值不稳定的指数对数映射。我们的方法简单易懂，决策复杂度恒定，同时 - 使用分层距离捕获多级图结构的变压器
本文提出了一种层次距离结构编码（HDSE）方法，用于加强现有图变换器，同时应用于其他位置表示，通过在图中的节点之间建模层次距离来捕捉图的多层次、分层结构，通过在 12 个真实世界数据集上的实验证明，我们的 HDSE 方法成功地提升了各种类型 - 分析不同专家意见的策略，利用努力传播概念增强多属性决策系统目标效果，并在提高高中学生表现方面应用
本研究提出了平行和分级策略以及传播策略来优化多属性决策问题，介绍了相对重要性和传播性等启发式，并对印度高中行政因素进行案例分析，最终得出了传播效果在 14.43% 左右的最佳策略。
- ACL利用分解和约束改进基于语法的序列到序列建模
本文研究了神经 QCFG 的两种低秩变体，以提高其推理效率；同时，利用文法提供的符号接口，引入了两个软约束条件，进一步提高了模型的性能表现。
- 计算机视觉中的双曲深度学习：一项调查
本文介绍超几何学习在计算机视觉中的应用，并提出了三个主要的研究主题，包括超几何学习的实现、已有研究中的关键问题以及相关领域的未来方向。
- AToMiC: 支持多媒体内容创作的图像 / 文本检索测试集
介绍了 ATOMIC 数据集，旨在推进图像 / 文本跨模态检索的研究。该数据集采用多层次结构和不同域的文本、样式和图像类型，以及嵌入维基百科的大规模图像 - 文档关联性，构建了一种适应真实用户模型的检索测试集合，提供了可扩展、多样化、可重复 - KDD符号回归数学表达式的高效生成器
本文提出了一种基于新颖的变分自编码器生成分层结构的符号回归方法，将简单的原子单元与共享权重相结合，递归地编码和解码分层中的个体节点，通过随机化搜寻分层结构的空间，能够在符号回归任务中准确且高效地构建等式。
- 具有分层品质多样性的物理机器人在线损伤恢复
使用 Hierarchical Trial and Error 算法，将 QD 算法分层结构化以增加机器人学习技能的多样性，并使机器人能够更快地适应物理世界，实验表明，该方法优于现有基准算法，可提高机器人迎接新挑战的能力。
- 基于分组矩阵的图池化与自适应聚类数
GMPool 是一种新颖的可微的图池化架构，可以自动确定基于输入数据的适当聚类数，通过计算分组矩阵并分解它来获得池化算子，从而在分子属性预测任务中优于传统方法。