Intel（英特尔）

Controlling Output Rankings in Generative Engines for LLM-based Search

在基于大语言模型的搜索生成引擎中控制输出排名

Haibo Jin, Ruoxi Chen, Peiyan Zhang, Yifeng Luo, Huimin Zeng, Man Luo, Haohan Wang

机构 * School of Information Sciences, University of Illinois at Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校信息科学学院） ； Independent Researcher, Starc Institute（Starc研究所独立研究者） ； Research Scientist, Intel Labs, Santa Clara, CA, USA（英特尔实验室研究科学家） 纠错

AI总结 CORE通过优化内容生成，提升基于LLM的搜索中小企业产品的可见性，实现高推广成功率。

Comments 23 pages

LogHD: Robust Compression of Hyperdimensional Classifiers via Logarithmic Class-Axis Reduction

通过逻辑类轴缩减实现超维分类器的鲁棒压缩

Sanggeon Yun, Hyunwoo Oh, Ryozo Masukawa, Pietro Mercati, Nathaniel D. Bastian, Mohsen Imani

机构 * Dept. of Computer Science University of California, Irvine（计算机科学系 加州大学伊维特分校） ； Intel Corporation（英特尔公司） ； Computer Science United States Military Academy（计算机科学 美国军事学院） 纠错

AI总结 LogHD通过逻辑类轴缩减实现超维分类器的鲁棒压缩，减少内存消耗并提升抗干扰能力。

Comments Accepted to DATE 2026