标签
本文分析了为什么开放网络上的外部智能体在初始交互后很少返回，强调了留存挑战源于后续调用中的问题以及跟踪完成情况的测量错误。
一位开发者分享，在优化 Electron 应用程序后，通过清理页面文件实现冷启动，其性能现已接近极限。
介绍了EGRL，一种用于RNA-蛋白质相互作用预测的图神经网络框架，通过边生成和多关系注意力提升冷启动泛化能力，在基准数据集上取得了有竞争力的结果。
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。