研究人员开发了STAP，一种新颖的基于Transformer的模型，用于预测用户将启动的下一个移动应用程序。与依赖固定应用词汇的现有方法不同，STAP使用shuffle-tokenization机制为应用身份分配随机虚拟索引，从而消除了预定义词汇的需要。这种方法结合超长上下文设计，使STAP能够跨不同应用生态系统进行泛化，并在零样本和冷启动场景中有效运行。实验表明，STAP在跨数据集预测准确性方面表现出色，在数据集内性能也具有竞争力，并提出了一种用于管理延迟的部署策略。 AI
影响 该模型可以通过准确预测用户应用选择，而无需广泛的预定义数据，从而实现更个性化和主动的移动体验。
排序理由 该集群描述了一篇详细介绍特定应用的创新模型架构的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
