Autor: admin

Resumen: Los agentes de GUI móviles impulsados ​​por grandes modelos básicos permiten la ejecución autónoma de tareas, pero las actualizaciones frecuentes que alteran la apariencia de la interfaz de usuario y reorganizan los flujos de trabajo hacen que los agentes entrenados con datos históricos fallen.

Resumen: Los modelos de recomendación secuencial se utilizan ampliamente en aplicaciones, pero enfrentan estrictos requisitos de latencia. Los modelos convencionales aprovechan el mecanismo de atención de Transformer para mejorar el rendimiento, pero su complejidad computacional crece con la longitud de la secuencia, lo que genera un desafío de latencia para secuencias largas.

Resumen: Los avances recientes en la intersección de los grandes modelos lingüísticos (LLM) y el análisis de series temporales (TS) han revelado tanto promesa como fragilidad.