标签
提出了一种新颖的多级图提示学习框架用于晶体性质预测，通过节点级和图级的软提示捕捉局部化学语义和全局结构对称性，将最先进的GNN性能提升3%-15%，并实现跨性质知识迁移。
本文介绍了语义动作强化学习（Semantic Action RL），它通过对视觉-语言-动作（VLA）提示进行强化学习，使机器人能够在现实世界中快速学习新任务。
本文介绍了Manana，一种非参数提示学习框架，它教导LLMs在代表性不足的癫痫护理环境中推荐抗癫痫药物并转诊不确定的病例，在乌干达队列上提高了准确性，并实现了高精度的选择性预测。
清华大学NLP实验室在GitHub上开源了269个项目，涵盖大模型训练、知识图谱、Prompt学习、参数微调等方向，包括OpenPrompt、OpenNRE、OpenKE、UltraChat、OpenDelta等知名项目，适合AI研究和应用开发者。
TTL引入了一个测试时文本学习框架，用于使用CLIP等预训练视觉-语言模型进行OOD检测，该框架能够从未标记的测试流中动态学习OOD语义，无需外部OOD标签。该方法使用伪标记样本和OOD知识净化策略来提高检测的鲁棒性，应对多样化和不断演变的OOD分布。