语义对齐相关 AI 资讯 · AITOP · AI热报

9月1日

10:12

10:12

官方账号arXiv cs.AI@Gaoming Zhang, Angqing Jiang, Jianchun Song, Kena Qi, Dayao Chen, Wei Lin, Defu Lian

精选73°

CHAP提出跨组件层次语义对齐方法，解决生成检索中动态查询与静态表示的语义鸿沟问题。该框架在三个公开数据集和一个工业数据集上进行了实验，并通过在线A/B测试验证了其优越性。CHAP引入残差级联生成机制，将多步Transformer解码器限制为单次推理，提高了推理吞吐量。

论文 CHAP 生成检索个性化推荐

推荐理由：CHAP框架解决了生成检索的语义鸿沟问题，通过层次语义对齐和残差级联生成，提升个性化检索效果。

6月29日

10:06

10:06

官方一手arXiv: DeepSeek@Yanglin Yan, Zicheng Xie, Tianchen Gao, Rui Pan, Hansheng Wang

本文提出一种基于LLM的语义对齐框架，将期刊推荐转化为稿件内容与期刊范围描述的语义匹配问题。该框架无需任务特定训练，可直接利用LLM从标题、摘要、关键词和候选期刊信息中推断适合性。实验使用DeepSeek-V3在49个统计及相关领域期刊的23,609篇文章上进行，Top-3、Top-5和Top-10准确率分别为40.23%、53.67%和70.05%。加入参考文献信息普遍提升推荐性能，重复运行的平均Top-5 Jaccard相似度达84%，且框架能生成可解释的推理输出。

论文 DeepSeek-V3 语义对齐期刊推荐

推荐理由：这篇论文用DeepSeek-V3搞期刊推荐，不用训练直接匹配，23,609篇文章上Top-5超53%，比传统方法更灵活还带解释。