"Whose Side Are You On?" Estimating Ideology of Political and News Content Using Large Language Models and Few-shot Demonstration Selection
University of California, Davis（加州大学戴维斯分校）；University of South Florida（佛罗里达州立大学）
针对现有意识形态分类方法需大量人力、难以适应语境变化的问题，本文提出基于大型语言模型（LLMs）和上下文学习（ICL）的方法，通过标签平衡示例选择在三个数据集上显著优于零样本和传统方法，并分析了元数据的影响。
2025-11-11 cs.CL cs.CY cs.SI
Leveraging Table Content for Zero-shot Text-to-SQL with Meta-Learning
Southeast University（东南大学）；Alibaba Group（阿里巴巴集团）
单表文本到SQL的目标是根据一个单一的表将一个自然语言问题转换为一个SQL查询。最近的工作已经取得了可喜的进展，通过预训练的语言模型和多子模块框架在这方面的任务。然而，zero-shot table，即训练集中的不可见表，是目前制约现有方法应用于现实场景的最关键瓶颈。虽然有些工作利用辅助任务来帮助处理zero-shot表，但昂贵的额外手动注释限制了它们的实用性。在本文中，我们提出了一种新的方法，zero-shot文本到SQL的任务，不依赖于任何额外的手动注释。我们的方法包括两个部分。首先，我们提出了一个新的模型，利用表格内容的丰富信息，以帮助建立问题和zero-shot表之间的映射。此外，我们提出了一个简单而有效的元学习策略来训练我们的模型。该策略利用两步梯度更新来迫使模型学习对zero-shot表的泛化能力。我们进行了广泛的实验上的公共开放域的文本到SQL数据集WikiSQL和特定于域的数据集ESQL。与使用相同预训练模型的现有方法相比，我们的方法在两个数据集上都取得了显着的改进。与较大的预训练模型和特定于表格的预训练模型相比，我们的方法仍然具有竞争力。更重要的是，在两个数据集的zero-shot子集上，我们的方法进一步提高了改进。
2021-09-12 cs.CL
Zero-Shot Recommendations with Pre-Trained Large Language Models for Multimodal Nudging
Lirio, LLC（Lirio有限责任公司）；Skoltech（斯科尔科沃科学技术研究院）
提出一种零样本多模态推荐方法，将各模态输入转为文本描述并用预训练LLM生成语义嵌入，通过相似度计算完成推荐，无需额外训练。
2023-10-01 cs.AI cs.CL cs.IR
Zero-Shot Image Moderation in Google Ads with LLM-Assisted Textual Descriptions and Cross-modal Co-embeddings
Google Research（谷歌研究院）；Google（谷歌）
提出一种基于 LLM 辅助文本描述和跨模态共嵌入的零样本图像审核方法，无需大量标注数据即可高效检测 Google Ads 中的政策违规内容。
2024-12-18 cs.AI cs.CV cs.IR
LabelFusion-TS: Fusing Large Language Models, Transformer Encoders, and Financial Time Series for Monetary-Policy Stance Classification
Georg-August-Universität Göttingen（哥廷根大学）；Hochschule Bielefeld (HSBI) - University of Applied Sciences and Arts（比勒费尔德应用科学与艺术大学）
本研究提出LabelFusion-TS系统，融合LLM、RoBERTa编码器与时间序列Transformer，利用金融时间序列辅助美联储沟通语句的货币政策立场分类，在2015-2022年数据上加权F1达70.2%，仅需少量人工标注即可超越零样本LLM。
2026-08-13 cs.CL
Zero-Shot Document Understanding using Pseudo Table of Contents-Guided Retrieval-Augmented Generation
针对复杂多模态文档理解的结构与数据难题，研究提出无需训练的DocsRay系统，结合伪目录生成与分层RAG，通过三项关键技术实现效率与准确率的双提升。
2025-07-31 cs.AI cs.LG
LabelFusion: Fusing Large Language Models with Transformer Encoders for Robust Financial News Classification
本文提出LabelFusion架构，结合提示工程的LLM与微调的RoBERTa编码器，通过轻量MLP投票层提升金融新闻分类性能，在低数据环境下LLM单独使用表现更优。
2026-03-14 cs.AI cs.CL
SLM-Mod: Small Language Models Surpass LLMs at Content Moderation
针对LLMs实时查询成本高、缺乏社区特定内容审核能力的问题，本研究探索开源SLMs（<15B参数）的应用，通过15万条Reddit评论评估发现其在零样本和少样本设置下性能优于LLMs，还展现跨社区审核潜力。
2025-02-10 cs.CL
Zero-Shot Reasoning: Personalized Content Generation Without the Cold Start Problem
Faculty of Computer and Information Science, University of Ljubljana（卢布尔雅那大学计算机与信息科学学院）；Faculty of Arts, University of Ljubljana（卢布尔雅那大学艺术学院）
本文提出利用大语言模型基于个体玩家游戏数据零样本生成个性化关卡，以规避传统程序化内容生成的冷启动与高成本问题，并在生产环境中验证其降低玩家中途退出概率的效果优于传统方法。
2024-06-28 cs.AI
Zero-shot audio captioning with audio-language model guidance and audio context keywords
University of Tübingen（图宾根大学）；Tübingen AI Center（图宾根人工智能中心）
提出ZerAuCap框架，利用预训练大语言模型和音频-语言模型引导，结合音频上下文关键词，实现零样本音频描述生成，在AudioCaps和Clotho数据集上取得最优结果。
2023-11-14 cs.AI cs.CL cs.SD
Zero-shot 3D Map Generation with LLM Agents: A Dual-Agent Architecture for Procedural Content Generation
本文提出一种双代理架构，利用LLM代理实现无监督3D地图生成，通过迭代推理优化参数配置，提升PCG指令遵循能力。
2025-12-12 cs.AI
Structured Chain-of-Thought Prompting for Few-Shot Generation of Content-Grounded QA Conversations
IBM Research AI（IBM研究院人工智能部门）
本文提出结构化思维链提示方法，将内容 grounding 多轮问答生成任务分解为状态机中的多个专用状态，显著提升智能体对文档的忠实度，并仅用 6 个种子示例合成高质量训练数据，有效增强对话式问答智能体的域外泛化能力。
2024-02-20 cs.CL
Short-PHD: Detecting Short LLM-generated Text with Topological Data Analysis After Off-topic Content Insertion
The University of Hong Kong（香港大学）；University of Delaware（特拉华大学）
本文提出Short-PHD方法，通过在输入前插入无关主题内容以稳定短文本的持久同调维数估计，从而在零样本设定下有效检测短LLM生成文本。
2025-04-01 cs.CL
U-GIFT: Uncertainty-Guided Firewall for Toxic Speech in Few-Shot Scenario
Beijing University of Posts and Telecommunications（北京邮电大学）；Shanghai Jiao Tong University（上海交通大学）
针对少样本场景下有毒言论检测中标注数据稀缺的问题，本文提出 U-GIFT 框架，结合主动学习与贝叶斯神经网络进行不确定性引导的自训练，在 5-shot 设置下较基础模型提升 14.92%，为自动化内容审核提供高效防火墙方案。
2025-01-01 cs.CL cs.SD eess.AS
HiPrompt: Few-Shot Biomedical Knowledge Fusion via Hierarchy-Oriented Prompting
Emory University（埃默里大学）；Google Research（谷歌研究院）；University of Stuttgart（斯图加特大学）；University of Southampton（南安普顿大学）
针对生物医学知识融合中标注稀缺问题，本文提出HiPrompt框架，通过面向层次的提示激发大语言模型的少样本推理能力，并在KG-Hi-BKF基准上验证了其有效性。
2023-04-12 cs.CL cs.IR
Few-shot learning for automated content analysis: Efficient coding of arguments and claims in the debate on arms deliveries to Ukraine
Leibniz Institute for Media Research | Hans-Bredow-Institut (HBI)（莱布尼茨媒体研究所 | 汉斯·布雷多研究所 (HBI)）；Universität Hamburg（汉堡大学）
本研究针对传播学自动内容分析中非英语模型、计算资源和训练数据不足的挑战，提出结合多语言Transformer模型、适配器扩展与少样本学习的方法，在乌克兰武器交付的德国新闻辩论数据上验证了其参数高效性及有效性，并发现近领域预微调与避免特定个人观点偏见能显著提升性能。
2023-12-28 cs.CL stat.ML
Fusing Multimodal Signals on Hyper-complex Space for Extreme Abstractive Text Summarization (TL;DR) of Scientific Contents
IIIT Delhi（德里英迪拉·甘地信息技术学院）；IIT Delhi（德里印度理工学院）
提出首个科学多模态极简摘要数据集mTLDR，并构建基于双重融合超复数Transformer与Wasserstein Riemannian编码器的mTLDRgen模型，在多项指标上超越20个基线。
2023-06-24 cs.AI cs.CL
Towards Improved Zero-shot Voice Conversion with Conditional DSVAE
Tencent AI Lab（腾讯人工智能实验室）
分离内容和说话风格信息对于zero-shot非并行语音转换（VC）是必不可少的。我们以前的研究探讨了一种新的框架与解开顺序变分自编码器（DSVAE）作为骨干信息分解。我们已经证明，同时解开内容嵌入和说话人嵌入从一个话语是可行的zero-shot VC。在这项研究中，我们继续的方向，提出了一个关注的内容分支在DSVAE基线的先验分布。我们发现，随机初始化的先验分布将迫使内容嵌入，以减少语音结构信息在学习过程中，这是不是一个理想的属性。在这里，我们寻求实现更好的内容嵌入，保留更多的语音信息。我们提出了条件DSVAE，一个新的模型，使内容偏见作为一个条件，先验建模和重塑内容嵌入后验分布采样。在VCTK数据集上的实验中，我们证明了来自条件DSVAE的内容嵌入克服了随机性，并实现了更好的音素分类精度，稳定的发声和更好的zero-shot VC性能相比，竞争DSVAE基线。
2022-06-20 cs.AI cs.CL cs.SD
ZeroSCROLLS: A Zero-Shot Benchmark for Long Text Understanding
Tel Aviv University（特拉维夫大学）；Meta AI
本文提出仅含测试与验证集的长文本零样本理解基准 ZeroSCROLLS，涵盖改编与新增任务，并评估开源、闭源 LLM，发现 GPT-4 平均得分最高但聚合等任务仍具挑战。
2023-12-17 cs.AI cs.CL cs.LG
When the Few Outweigh the Many: Illicit Content Recognition with Few-Shot Learning
Eindhoven University of Technology（埃因霍温理工大学）；Jheronimus Academy of Data Science（杰罗尼姆斯数据科学学院）；Tilburg University（蒂尔堡大学）；University of Padova（帕多瓦大学）
本文研究利用孪生神经网络的单样本和少样本学习方法，从暗网图像中识别非法活动，在10类数据集上20-Shot实验达到90.9%准确率，为暗网自动化执法提供了低成本且有前景的替代方案。
2023-11-28 cs.AI cs.CR cs.CV
MetaScript: Few-Shot Handwritten Chinese Content Generation via Generative Adversarial Networks
SJTU（上海交通大学）
提出MetaScript系统，利用少样本学习和生成对抗网络，从少量风格参考生成保留个人手写风格的中文内容，在识别准确率等指标上表现优异。
2023-12-25 cs.AI cs.CV
From Videos to Indexed Knowledge Graphs -- Framework to Marry Methods for Multimodal Content Analysis and Understanding
University Of Southern California（美国南加州大学）
针对多模态内容分析融合难度大、成本高的问题，本文提出一个框架，通过融合预训练模型将视频转为时序半结构化数据，再生成支持查询与持续学习的帧级索引化知识图谱。
2025-10-01 cs.AI cs.CL cs.CV
Multi-Knowledge Fusion for New Feature Generation in Generalized Zero-Shot Learning
National Pilot School of Software, Yunnan University（云南大学国家软件学院）
现有的零样本学习（Zero-Shot Learning，简称ZRL）方法存在语义不足和领域转移等问题，无法取得令人满意的效果。为了缓解这些问题，我们提出了一种新的生成式语义学习方法，从多知识中学习更多的广义特征，并在语义到视觉嵌入中不断生成新的语义。在我们的方法中，建议的多知识融合网络（MKFNet）采取不同的语义特征从多个知识作为输入，这使得更多的相关语义特征被训练语义到视觉嵌入，并最终产生更广义的视觉特征，通过自适应融合视觉特征从不同的知识领域。新特征生成器（New Feature Generator，NFG）采用自适应遗传策略，一方面丰富了语义信息，另一方面极大地提高了MKFNet生成的视觉特征与不可见视觉特征的交集。从经验上讲，我们表明，我们的方法可以实现显着更好的性能相比，现有的国家的最先进的方法在大量的基准测试的几个CNOL任务，包括传统的CNOL，广义CNOL和zero-shot检索。
2021-02-23 cs.AI cs.CV
GraphMatch: Fusing Language and Graph Representations in a Dynamic Two-Sided Work Marketplace
Upwork Inc.（Upwork公司）
GraphMatch通过融合预训练语言模型与图神经网络，解决动态双侧工作市场中的匹配问题，实现高效推荐。
2025-12-02 cs.AI cs.IR cs.LG
Zero-Shot Contrastive Loss for Text-Guided Diffusion Image Style Transfer
Kim Jaechul Graduate School of AI（金在哲人工智能研究生院）；Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））
本文提出零样本对比损失方法，利用预训练扩散模型中的分块对比损失，在无需微调或辅助网络的情况下实现文本引导的图像风格迁移，并优于现有方法。
2023-04-12 cs.AI cs.CV cs.LG
Zero-Shot Warning Generation for Misinformative Multimodal Content
University of Bologna（博洛尼亚大学）；National Institute of Informatics (NII)（信息学研究所）；The University of Tokyo（东京大学）
提出基于跨模态一致性检查的多模态错误信息检测模型与轻量级模型，并引入零样本学习任务生成情境化警告以实现自动辟谣。
2025-02-02 cs.AI cs.CL cs.IR
Zero-Shot Voice Conversion via Content-Aware Timbre Ensemble and Conditional Flow Matching
IEEE
本文提出零样本语音转换框架CTEFM-VC，结合内容感知音色集成建模与条件流匹配重建Mel频谱图，并引入交叉注意力与结构相似性音色损失，显著提升了说话人相似度、自然度与可懂度。
2025-08-10 cs.AI cs.SD eess.AS
Disentangle to create: Architecture-level disentangled diffusion model for few-shot Chinese font generation
State Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室）；School of Artificial Intelligence, Nanjing University, China（人工智能学院）；Department of Computer Science and Technology, Nanjing University, China（计算机科学与技术系）；School of Electronic Science and Engineering, Nanjing University, China（电子科学与工程学院）
SLD-Font通过结构层面解耦和参数高效微调，实现少样本中文字体生成中更高的风格保真度和内容准确性。
2026-11-05 cs.AI cs.CV
Training-and-Prompt-Free General Painterly Harmonization via Zero-Shot Disentenglement on Style and Content References
National Yang Ming Chiao Tung University（国立阳明交通大学）
提出TF-GPH方法，通过相似性解耦掩码和重加权机制，实现无需训练与提示的通用绘画风格和谐化，并引入新评估指标与基准，实验验证其有效性。
2024-12-15 cs.AI cs.CV cs.MM
MeanVoiceFlow2: Joint Optimization of Mean Flow and Content Encoder for Fast One-Step Zero-Shot Voice Conversion
NTT, Inc.（日本电信电话株式会社）
提出MeanVoiceFlow2，联合优化均值流与高效内容编码器，通过蒸馏和扩散GAN训练，实现零样本语音转换中更高质量和约9倍加速。
2026-10-01 cs.AI cs.LG cs.SD
Zero-Shot Visual Deepfake Detection: Can AI Predict and Prevent Fake Content Before It's Created?
School of Computer Sciences, University of Petroleum and Energy Studies (UPES), Dehradun（计算机科学学院，石油与能源研究大学（UPES），德里加恩）
本文探索零样本深度伪造检测方法及AI驱动的预防策略，分析其面临的挑战并提出未来研究方向，强调构建一体化防御框架和跨学科协作的重要性。
2025-09-22 cs.AI cs.CV cs.GR
Visual Prompting for One-shot Controllable Video Editing without Inversion
Singapore University of Technology and Design（新加坡科技设计大学）；Wuhan University（武汉大学）；Institute for Infocomm Research, Agency for Science, Technology and Research, Singapore（新加坡资讯与通信研究院）
本文提出一种基于视觉提示的无需DDIM反演的一次性可控视频编辑方法，并引入内容一致性与时间一致性采样，确保编辑帧与源帧的内容及时间一致性。
2025-04-19 cs.AI cs.CV
FontDiffuser: One-Shot Font Generation via Denoising Diffusion with Multi-Scale Content Aggregation and Style Contrastive Learning
South China University of Technology（华南理工大学）；SCUT-Zhuhai Institute of Modern Industrial Innovation（华南理工大学珠海现代产业创新研究院）；Alibaba Group（阿里巴巴集团）
针对现有字体生成方法在复杂字符和大幅风格变化下的不足，提出基于扩散模型的FontDiffuser，通过多尺度内容聚合模块与风格对比精炼模块提升效果，达到当前最优性能且代码已开源。
2023-12-19 cs.AI cs.CV
Takin-VC: Expressive Zero-Shot Voice Conversion via Adaptive Hybrid Content Encoding and Enhanced Timbre Modeling
Ximalaya Inc（喜马拉雅公司）；Kyushu University（九州大学）；Northwestern Polytechnical University（西北工业大学）；The University of Tokyo（东京大学）
本文提出Takin-VC零样本语音转换框架，通过自适应融合WavLM与HybridFormer特征、记忆增强上下文音色建模及条件流匹配，提升自然度、表现力、说话人相似度和推理速度。
2025-01-10 cs.AI cs.SD eess.AS
LOGEN: Few-shot Logical Knowledge-Conditioned Text Generation with Self-training
Zhejiang University（浙江大学）；National University of Singapore（新加坡国立大学）；Alibaba Group（阿里巴巴集团）；Donghai Laboratory（东海实验室）
针对结构化数据自然语言生成存在的内容选择不可控、保真度低，以及现有逻辑知识条件生成方法数据需求量大的问题，本文提出少样本统一框架LOGEN，通过自训练与基于内容结构一致性的伪逻辑形式采样，在少量样本下取得优于基线的性能。
2023-05-05 cs.AI cs.CL cs.IR
SmartFont: Dynamic Condition Allocation for Few-Shot Font Generation
Fudan University（复旦大学）
提出SmartFont扩散框架，通过全局内容-风格生成与弱监督局部校正专家结合，并引入去噪状态条件分配模块动态加权全局与局部特征，实现少样本字体生成的全局完整性与局部细节保真度平衡。
2026-06-12 cs.AI cs.CV
Robust Disentangled Variational Speech Representation Learning for Zero-shot Voice Conversion
Tencent AI Lab（腾讯人工智能实验室）
传统的语音转换研究主要是在并行训练数据和已知说话人的情况下进行的。通过探索更好的对齐模块或富有表现力的映射函数来获得良好的语音转换质量。在这项研究中，我们调查zero-shot VC从一个新的角度自我监督的解开语音表征学习。具体来说，我们实现了解开全球扬声器表示和时变内容表示之间的信息流的顺序变分自动编码器（VAE）的平衡。通过将任意的说话者嵌入和内容嵌入馈送到VAE解码器来执行zero-shot语音转换。此外，一个在飞行数据增强训练策略，使学习表示噪声不变。在TIMIT和VCTK数据集上，我们在两个客观评估方面都达到了最先进的性能，即，关于说话人嵌入和内容嵌入的说话人验证（SV），以及主观评价，即，语音自然度和相似性，并且即使在有噪声的源/目标话语的情况下也保持鲁棒性。
2022-03-30 cs.AI cs.CL eess.AS
FusionAdapter for Few-Shot Relation Learning in Multimodal Knowledge Graphs
Singapore Management University（新加坡管理大学）；Singapore University of Technology and Design（新加坡科技设计大学）
针对现有多模态知识图谱方法忽略模态独特贡献、低资源场景性能受限的问题，提出含适配模块与融合策略的FusionAdapter，在少样本关系学习任务上优于现有最优方法。
2025-10-01 cs.AI
Guided and Variance-Corrected Fusion with One-shot Style Alignment for Large-Content Image Generation
University of Idaho（爱达荷大学）；Idaho National Laboratory（爱达荷国家实验室）
针对小型扩散模型生成大尺寸图像时的伪影问题，提出引导式融合（GF）、方差校正融合（VCF）及单样本风格对齐（SA）方法，显著提升生成质量，可作为即插即用模块增强其他融合方法。
2025-02-10 cs.AI cs.CV
SparseFormer: Detecting Objects in HRW Shots via Sparse Vision Transformer
Shanghai Jiao Tong University（上海交通大学）；Tsinghua University（清华大学）
针对HRW镜头目标检测的极端稀疏性和尺度变化挑战，提出模型无关稀疏视觉Transformer SparseFormer，通过选择性注意力标记、特征融合及C-NMS算法，在PANDA和DOTA-v1.0基准上精度提升5.8%、速度提升3倍。
2025-02-11 cs.AI cs.CV
Conceptrol: Concept Control of Zero-shot Personalized Image Generation
National University of Singapore（新加坡国立大学）
Conceptrol 提出通过文本概念掩码约束视觉注意力，在不增加计算开销的情况下增强零样本适配器，显著提升个性化图像生成性能并超越部分微调方法。
2025-03-09 cs.AI cs.CV
Transferable Black-Box One-Shot Forging of Watermarks via Image Preference Models
Meta FAIR；ETH Zurich（苏黎世联邦理工学院）
针对后置图像水印，提出基于偏好模型的黑盒攻击，仅需单张带水印图像即可通过反向传播伪造水印，并在多种水印模型上验证有效性。
2025-10-23 cs.AI cs.CR cs.CV
Few-Shot Medical Image Segmentation with High-Fidelity Prototypes
University of Shanghai for Science and Technology（上海理工大学）；Universität Hamburg（汉堡大学）；Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；University of Electronic Science and Technology of China（电子科技大学）；University of Surrey（萨里大学）
针对小样本医学图像分割中现有原型方法在复杂背景下失效的问题，提出细节自精炼原型网络（DSPNet），通过聚类与通道融合构建高保真前景原型，并利用稀疏通道感知整合背景信息，在三个医学基准上超越现有方法。
2024-06-26 cs.AI cs.CV
VocSim: A Training-free Benchmark for Zero-shot Content Identity in Single-source Audio
University of California, Berkeley（加州大学伯克利分校）；ETH Zurich（苏黎世联邦理工学院）
提出VocSim，一个无需训练的无标签基准，通过冻结嵌入的几何对齐评估通用音频表示在零样本内容身份识别中的性能，并在多领域音频上取得强结果，同时揭示跨语言泛化差距。
2026-05-31 cs.AI cs.SD
Vevo: Controllable Zero-Shot Voice Imitation with Self-Supervised Disentanglement
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Meta AI
Vevo提出一种自监督解纠缠的零样本声音模仿框架，通过两阶段建模实现音色与风格的可控生成，在口音和情感转换任务中达到或超越现有方法。
2025-02-11 cs.AI cs.SD eess.AS
HQ-SVC: Towards High-Quality Zero-Shot Singing Voice Conversion in Low-Resource Scenarios
针对现有零样本歌声转换方法存在声学信息丢失、资源消耗高的问题，提出HQ-SVC框架，通过解耦编解码器联合提取特征、结合音高音量建模与扩散优化，实现低资源下更高质量、更高效的零样本歌声转换，还原生支持语音超分辨率。
2025-11-15 cs.AI cs.SD eess.AS
StyleStream: Real-Time Zero-Shot Voice Style Conversion
UC Berkeley（伯克利大学）
StyleStream通过Destylizer和Stylizer实现实时零样本语音风格转换，采用非自回归架构，端到端延迟仅1秒。
2026-02-23 cs.AI cs.SD
Towards Lightweight and Stable Zero-shot TTS with Self-distilled Representation Disentanglement
Zhejiang University（浙江大学）；AMAP（中国农业科学院农业资源与农业区划研究所）
针对现有零样本TTS依赖大模型与大数据、部署成本高且有数据安全风险的问题，提出带自蒸馏表征解耦的轻量稳定系统，兼具优异性能、高稳定性与计算效率。
2025-01-15 cs.AI cs.SD eess.AS
One-Shot Session Recommendation Systems with Combinatorial Items
近年来，大型网站中的内容推荐系统（或\emph{content providers}）越来越受到关注。虽然内容的类型不同，例如\电影、文章、音乐、广告等，高层次的问题仍然是一样的。基于迄今为止对用户所获得的知识，推荐最想要的内容。在本文中，我们提出了一种方法来处理推荐系统中众所周知的用户冷启动问题。在这种情况下，推荐系统遇到一个新用户，目标是尽可能地呈现相关的项目，希望尽可能长地保持用户的会话。我们制定了一个优化问题，旨在最大限度地提高这个初始会话的长度，因为这被认为是关键，让用户回来，也许注册到系统。特别是，我们的模型捕捉到这样一个事实，即一个单一的一轮低质量的建议很可能会终止会话。在这种情况下，当用户离开系统时，我们不会继续进行下一轮，可能永远不会再看到。我们将这种现象称为\emph{One-Shot Session}。我们的优化问题被公式化为MDP，其中动作空间具有组合性质，因为我们在每一轮中推荐多个项目。这个巨大的动作空间提出了一个计算挑战，使简单的解决方案棘手。我们分析的MDP的结构，证明单调和submodular一样的属性，允许通过由\emph{Greedy Value Iteration}（G-VI）表示的方法计算有效的解决方案。
2016-07-05 cs.AI cs.IR stat.ML
SIG-VC: A Speaker Information Guided Zero-shot Voice Conversion System for Both Human Beings and Machines
Duke Kunshan University（昆山杜克大学）；Wuhan University（武汉大学）
本文提出SIG-VC，一种面向人类和机器的说话人信息引导零样本语音转换系统，通过说话人-内容解耦和说话人信息控制模块，在减少零样本语音转换权衡问题的同时保持高欺骗能力。
2023-04-02 cs.AI cs.SD eess.AS
