标签
本文介绍了领域条件位置偏移，这是一种添加到初始token嵌入中的学习向量，用于减少语言模型中的冷启动惩罚。该方法只需在少量文档上训练几分钟，无需更改模型权重，并且在多种模型规模上实现了高达27%的困惑度降低。
本文提出了一种面向无服务器环境的依赖感知自动缩放框架，集成了基于图的瓶颈识别、通过概率集成的多模型预测（MLP、LSTM、CNN）以及成本感知的缩放控制。实验表明，预测准确率达到99.88%，并降低了基础设施成本。
本文介绍了 Proximity Features，一个符合隐私规范的系统，利用聚合的地理 IP 数据为 Airbnb 的冷启动用户个性化推荐，在生产实验中实现了显著的预订增长。
GPUHedge是一个开源工具，它使用投机执行在无服务器GPU提供商之间进行对冲，将冷启动p95延迟从117秒降低到30秒。
Netflix混合加权推荐系统设计的详细解析，涵盖规模估算、新用户冷启动策略、行为信号捕捉以及召回率与精确度的平衡。
本文提出DIF，一种模型无关的去噪方法，用于冷启动推荐中的隐式反馈去噪。该方法利用内容相似的热门物品生成的伪标签以及不确定性估计，在拥有十亿用户的视频应用中取得了显著改进。
本文详细复盘了齐俊元从大学时期到Teambition成功的完整创业路径，包括前置铺垫、第一次创业失败、自研内部工具、冷启动增长和资本破圈五个阶段，展现了草根2B SaaS早期打法的典型经验。
本文提出Representation Curriculum (RC)，一种训练时干预方法，通过分阶段利用特征来减少对曝光混杂历史信号的过度依赖，并改善排序系统中的冷启动泛化能力。该方法经过了理论分析，并在公开基准和大规模eBay搜索实验中得到了验证。
关于AI智能体应如何处理用户上下文的讨论：是主动告知还是逐步学习，现有的方法如项目记忆和聊天摘要均存在不足。
提出CausalPOI，一个基于时空图的因果表示学习框架，用于冷启动POI签到预测，在真实世界的SafeGraph数据集上显著优于现有最先进基线。
本文识别了工具调用型LLM代理中的'冷启动安全差距'现象，即它们在会话开始时最脆弱，而在完成常规代理任务后变得更加安全。作者引入了SODA基准来评估这一现象，并推荐一种简单的部署策略：在安全关键请求之前，先让代理通过常规任务进行预热。
PaperFlow是一个用于科学论文推荐的框架，通过三个阶段的协同运作：画像（Profiling）、推荐（Recommending）和自适应（Adapting），处理用户画像、每日论文流及兴趣漂移。该框架在包含24位用户和50个每日论文流的纵向基准上进行了评估。
本文介绍了用于短期租赁动态定价的人类参与循环门控老虎机（HITL-GB），表明先前策略下的历史定价数据在结构上等同于在线策略预热数据，将冷启动从约150轮减少到约30轮。
Browser Use 推出全新浏览器基础设施服务，具备亚秒级冷启动、更低成本（每小时0.02美元）以及无限扩展能力，现已面向开发者上线。
讨论了AI个性化中的冷启动问题，即新产品缺乏用户数据，并提出了一种经用户同意且由用户拥有的统一用户数据API作为潜在解决方案。
Modal解释了如何使用云缓冲区、自定义文件系统、检查点/恢复以及CUDA检查点/恢复，将AI推理冷启动速度提升40倍，并将云缓冲区管理框架化为一个线性优化问题，用GLOP求解。
TopoPrimer 是一个框架，通过将全局拓扑结构集成到现有模型中，提升了预测准确度，在诸如季节性峰值和冷启动等具有挑战性的场景中显示出显著提升。