- GRAIMATTER 绿皮书：来自可信研究环境（TREs）的训练机器学习（ML）模型的披露控制建议
GRAIMATTER 已开发了一套可用的建议，以防止从 TRE（Trusted Research Environments）中披露受过 AI 特定训练的模型时产生的额外风险，并识别出许多未来研究的领域来扩展和测试这些建议。
- MetricBERT：通过自监督三元组训练学习文本表征
本文介绍了一种基于 BERT 的模型 MetricBERT，该模型通过学习嵌入文本并同时遵循传统的掩码语言任务，以在定义明确的相似度度量下进行。我们主要关注于推荐中的学习相似性的下游任务，表明 MetricBERT 在超越其他最先进的替代方 - 基于归一化流和结构一致性的哈希协同滤波器，用于高效推荐
该论文介绍了一种新型的哈希协作过滤方法 (HCFRec)，通过引入标准化流并部署集群一致性保留机制等创新性方法，有效地加速了推荐系统，并比现有最先进的方法在实验中取得更好的效果和效率。
- 全球范围内人工智能伦理的异同：原则实施差距分析
本研究在全球角度对人工智能伦理原则进行了评估和分析，并提出了如何减轻原则实施差距的建议。
- 测试预测自动驾驶系统：经验教训和未来建议
该论文分析了自动化驾驶功能中预测系统的主要限制，探讨了未来物理测试程序中需要考虑的实际行动和建议。
- 基于多个领域的多样化偏好增强冷启动推荐
本文提出了一种基于元学习和多源领域自适应的多元偏好增强框架（MetaDPA），以解决稀疏交互和冷启动问题，并通过将多领域信息最大化约束（MDI）添加到变分自编码器的潜在表示上来学习领域共享和特定的偏好属性，同时通过互斥约束（ME）生成内容数 - ACL一个国家，700 + 种语言：印度尼西亚少数语言与方言的 NLP 挑战
该研究提供了关于印度尼西亚 700 多种语言的 NLP 研究现状的概述，突出了印尼 NLP 面临的挑战以及这些挑战如何影响当前 NLP 系统的性能。最后，我们提供一些推荐来发展印尼和其他语言的 NLP 技术。
- 学者知识图谱：Web of Scholars
Web of Scholars 是一个基于知识图谱的系统，它集成了最先进的挖掘技术，可用于计算机科学领域学者之间的网络搜索、挖掘和可视化复杂网络。它提供了快速、准确、智能的语义查询和强大的推荐服务，并提供一个开放 API 作为高级功能的底层 - EMNLP将批评转化为对话推荐系统的偏好：对话推荐系统的前景不妙
本文提出了一种基于神经语言模型的方法，将用户的美食评价转化为正面的喜好，以检索出更好的美食推荐，进而在餐饮领域中优化推荐效果。
- SIGIR播客信息访问中的当前挑战和未来方向
本文探讨了播客与其他媒体的区别，挑战以及未来研究方向，并指出目前仍在由口碑主导的播客推荐需求。
- 排名和推荐中的公平性：概述
本文旨在介绍确保排名和推荐中的公平性所使用的定义、模型和方法的工具包，提供有关这一新颖、迅速发展和有影响力的领域的坚实框架，将相关方法并置并强调未来工作的开放挑战和研究路径。
- WWWELIXIR：通过用户反馈的解释学习，提高推荐模型
本研究探讨解释对于 AI 生成的推荐质量的贡献，提出了一种人机交互框架 ELIXIR，通过用户反馈对解释的学习获取用户的隐含偏好向量，最终实现基于图结构推荐系统的优化，实验结果表明该方法在提高电影和图书推荐方面相较于传统方法有显著提升。
- ICML电视节目多模态内容向量的余弦相似度
本文介绍了如何使用向量表示来自多源的信息，如何通过中间和后期融合技术组合这些向量，以及如何计算其语义相似性。我们使用 BBC 电视节目数据集对模型进行了评估，并证明了后期融合相似矩阵可以显著提高推荐的准确性和多样性。
- 医疗中的伦理机器学习
介绍在机器学习在医疗保健领域中出现的伦理问题，强调了遵循社会公正的伦理问题。提出了一个道德机器学习在医疗保健领域中的提出管道，包括问题选择，后期落地的考虑，以及推荐一些解决这些挑战的建议。
- 具有本地差分隐私的多臂赌博机
本文探讨了多臂赌博问题在本地差分隐私保证下的遗憾最小化问题，采用差分隐私技术处理用户敏感信息，证明了一种下限并提出算法，数值实验验证了结论。
- KDD基于移动应用使用的通用用户嵌入
使用移动应用的用户行为数据作为指标实现用户建模，通过 AutoEncoder-coupled Transformer 网络解决手工特征工程带来的人力成本问题，并展示了该网络在多个下游应用实验中嵌入用户的有效性。
- 虐待性语言训练数据的方向：垃圾进，垃圾出
本研究从数据驱动分析、骚扰性在线内容、数据集创建、建议和基于证据的综合等方面，系统性地评估了一种在线暴力语言数据集。通过这种基于知识的综合，我们向从事这种复杂多样数据处理的从业者提供了推荐建议。
- 基于知识图谱的推荐系统综述
本文系统调查了基于知识图谱的推荐系统，从算法和数据集两个角度总结了近期发表的研究，并提出了该领域的几个潜在研究方向。
- 付费众包平台上的创意
本文通过两个众包平台问卷的数量和质量分析，揭示了受访者对付费众包平台的创意工作的看法和意见，并提出了该领域的一些共性障碍和完善建议。
- 淘宝推荐中的特权特征蒸馏
本文提出了一种名为特权特征精炼（PFD）的方法，用于改善电子商务推荐中基于点击率和转化率等的两项基本预测任务，并在 CTR 任务中实现了 +5.0% 的改善，在 CVR 任务中实现了 + 2.3% 的改善。