"革新法律信息处理：大型语言模型在司法实体识别中的应用与前景"
摘要
本文探讨了大型语言模型（LLMs）在司法实体识别中的应用，特别是在印度司法文本中的表现。司法实体识别在法律领域具有重要意义，支持问答系统、文本摘要、机器翻译等多种应用。研究评估了包括LLaMA 3、Mistral和Gemma在内的先进LLMs在提取司法事实（如法院、原告、法官等）的能力，并发现Mistral和Gemma在精确度和召回率上表现最佳，适用于法律文档的精确实体识别。
Read more..."预测未来：SOIA-DOD在短期物体交互预测中的突破"
摘要
本文介绍了一种名为SOIA-DOD的新型方法，用于解决从第一人称视角（即以人的视角）预测未来短期物体交互的复杂计算机视觉任务。该方法通过分解任务为两个阶段：首先检测潜在的活动物体，然后预测这些物体的交互及其发生时间，从而有效地简化了这一任务的复杂性。实验结果表明，SOIA-DOD在Ego4D短期物体交互预测挑战中表现优异，特别是在预测下一个活动物体及其交互方面，取得了最佳性能。此外，该方法在包括时间-接触预测在内的总体性能中也排名第三。
Read more...“This&That”：通过语言和手势控制视频生成实现机器人规划的先进方法
摘要
本文介绍了一种名为“This&That”的机器人学习方法，该方法通过利用视频生成模型来实现广泛的通信、规划和任务执行。这种方法的核心是通过互联网规模的数据训练视频生成模型，以处理视频规划中的三个基本挑战：1) 通过简单的人类指令进行明确的任务通信；2) 尊重用户意图的可控视频生成；3) 将视觉规划转化为机器人动作。本文提出了一种结合语言和手势的条件生成技术，这种方法比仅使用语言的方法更简单、更清晰，特别是在复杂和不确定的环境中。此外，本文还提出了一种行为克隆设计，无缝地结合了视频规划。实验结果表明，“This&That”框架在解决上述三个挑战方面表现出色，证明了视频生成作为可泛化任务规划和执行的中间表示的有效性。
Read more...“绿色实验室”：培养能源高效软件研究的未来领导者
摘要
本文介绍了在阿姆斯特丹自由大学（Vrije Universiteit Amsterdam）开设的“绿色实验室”课程的十年教学经验。该课程旨在教授计算机科学硕士生在能源高效软件背景下的经验软件工程基础。课程的独特之处在于其研究导向性质，学生团队在两个月内针对科学相关的目标开展自己的实验，从目标和研究问题的精确表述到实验执行、数据分析和报告，覆盖了经验研究的经典步骤。多年来，该课程因其产生的多项科学研究而闻名于软件工程界，这些研究已在多个科学会议和期刊上发表。此外，学生使用由研究人员和其他学生在该项目中开发和维护的开源工具执行实验，从而形成了一个学习者社区，学生在此交流想法、相互帮助，并在安全的环境中学习如何协作贡献开源项目。
Read more...6GSoft项目：引领未来6G技术的前沿软件开发与能源高效管理
摘要
本文介绍了6GSoft项目，这是一个由芬兰四所领先大学和知名公司合作支持的项目，旨在为未来的6G环境中的认知和云连续体软件开发带来重大影响。项目专注于开发可持续和能源高效的软件工程（SE）实践，特别针对边缘环境的复杂性和大规模分布式设备的挑战。6GSoft项目的目标包括开发适用于6G时代的可持续软件开发方法、实现能源感知的（EA）编排和可扩展性模型、提供先进的云连续体系统的架构支持，以及制定适合6G技术的商业驱动的软件开发模型。通过这些努力，项目旨在显著提高软件业务的效率、速度和质量，并增加市场份额。
Read more...AI驱动的多组学整合：揭秘基因型-环境-表型关系的复杂网络
摘要
本文由You Wu和Lei Xie等人撰写，探讨了利用人工智能（AI）驱动的多组学整合技术，进行多尺度预测建模，以解析因果基因型-环境-表型关系的复杂性。文章指出，尽管单细胞多组学数据丰富，但预测人体内新型遗传和化学扰动的影响仍然具有挑战性。当前的机器学习方法主要建立基因型和表型之间的统计相关性，但难以识别生理上重要的因果因素，限制了其预测能力。为此，作者提出了一种新的AI驱动的生物学启发多尺度建模框架，该框架将跨生物水平、有机体层次和物种的多组学数据整合，以预测在各种条件下因果基因型-环境-表型关系。这一框架有望揭示生命基本原理，并发现新的分子靶点、生物标志物、药物代理和个性化药物，以满足当前未满足的医疗需求。
Read more...CADP算法：解决多模型马尔可夫决策过程的新方法
摘要
本文介绍了一种名为CADP（Coordinate Ascent Dynamic Programming）的新算法，用于解决多模型马尔可夫决策过程（MMDP）问题。MMDP是一种用于计算在马尔可夫决策过程（MDP）中对参数不确定性具有鲁棒性的策略的框架。由于MMDP的求解是NP难问题，大多数方法采用近似解法。CADP算法结合了坐标上升法和动态规划算法，通过迭代调整模型权重来保证策略的单调改进至局部最优。理论分析和数值结果表明，CADP在多个基准问题上显著优于现有方法。
Read more...ChatGPT在大学教育中的应用：一场革命性的教学辅助技术探索
摘要
本文探讨了将人工智能聊天机器人（如ChatGPT-4 Turbo）集成到高等教育中的实践与效果。通过在一个医学影像课程中实施为期一个学期的试验，研究了学生与ChatGPT的互动、感知及其教育效果。研究发现，ChatGPT提供了改进信息访问和增加互动性的显著优势，但也引发了关于信息准确性和使用指南必要性的担忧。
Read more...ChatGPT在社会计算数据标注中的应用与挑战：GPT-Rater工具的前瞻性探索
摘要
本文探讨了大型语言模型（LLM）如ChatGPT在社会计算任务中作为数据标注工具的潜力，旨在减少网络研究的复杂性和成本。研究通过重新标注七个涵盖COVID-19错误信息、社交机器人欺骗、网络欺凌、点击诱饵新闻和俄乌战争等紧迫社会问题的数据集，评估了ChatGPT的标注能力。结果显示，ChatGPT在数据标注任务中表现出色，平均标注F1分数达到72.00%，尤其在点击诱饵新闻标注中正确率高达89.66%。然而，不同标签间的性能存在显著差异。为此，研究提出了GPT-Rater工具，用于预测ChatGPT在特定标注任务中的表现，该工具在点击诱饵新闻数据集上的平均F1分数达到95.00%，显示出其在辅助研究人员评估ChatGPT标注适用性方面的潜力。
Read more...DNNs如何打破维度诅咒：组合性和对称性学习的新理论
摘要
本文主要探讨了深度神经网络（DNNs）如何通过组合性和对称性学习打破维度诅咒的问题。作者提出了一种新的理论，通过结合覆盖数论证和F1范数（或相关的Barron范数），推导出了DNNs的泛化界。该理论表明，DNNs可以有效地学习任何具有有界F1范数的函数组合，从而在某些情况下避免维度诅咒。此外，作者还通过实验验证了该理论的有效性，并展示了DNNs在学习对称性和处理高维数据方面的优势。
Read more...Previous Page
46 of 156
Next Page