← IJCAI 各届
IJCAI 2024· International Joint Conference on Artificial Intelligence
IJCAI 2024
亮点精读
8 篇 · 获奖 / oral / 高引📈 975 引用
Large Language Model based Multi-Agents: A Survey of Progress and Challenges
综述基于大语言模型的多智能体系统进展与挑战。
💡 系统梳理了新兴交叉领域，为后续研究提供参考。
arXiv
📈 189 引用
Continual Learning with Pre-Trained Models: A Survey
综述了利用预训练模型进行持续学习的方法，涵盖正则化、回放、架构和提示技术。
💡 为预训练模型在持续学习中的应用提供系统指南。
arXiv
📈 167 引用
Large Language Models for Time Series: A Survey
综述大语言模型在时间序列分析中的应用，包括预测、分类等任务。
💡 系统梳理了LLM在时间序列领域的前沿进展。
arXiv
📈 134 引用
Deep Learning for Multivariate Time Series Imputation: A Survey
综述了深度学习在多变量时间序列插补中的应用，分类并比较了不同方法。
💡 为时间序列数据缺失问题提供了系统性的深度学习解决方案综述。
arXiv
📈 115 引用
ScreenAI: A Vision-Language Model for UI and Infographics Understanding
ScreenAI是一种视觉语言模型，专为理解用户界面和信息图表而设计。
💡 它统一了UI和图表理解任务，提升了人机交互效率。
arXiv
📈 108 引用
ScreenAgent: A Vision Language Model-driven Computer Control Agent
ScreenAgent是一个由视觉语言模型驱动的计算机控制代理，能通过屏幕截图执行复杂任务。
💡 首次实现纯视觉驱动的端到端计算机控制，无需API或DOM访问。
arXiv
📈 103 引用
Beyond the Limits: A Survey of Techniques to Extend the Context Length in Large Language Models
综述扩展大型语言模型上下文长度的技术，涵盖位置编码、注意力机制等方法。
💡 突破上下文长度限制，提升LLM处理长文本能力。
arXiv
📈 102 引用
A Comprehensive Survey on Graph Reduction: Sparsification, Coarsening, and Condensation
全面综述图缩减三大技术：稀疏化、粗化与浓缩，分析其方法、应用与未来方向。
💡 首次系统整合图缩减技术，为领域研究提供清晰框架。
arXiv
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点