AI 论文速递

最新

认知-心理-大型语言模型：通过在线文本利用推理进行心理健康预测
本研究针对传统分类方法在心理健康预测中的可解释性和鲁棒性不足的问题，评估结构性推理技术的有效性，如链式思维（CoT）和树状思维（ToT）。研究结果表明，推理增强技术在多数据集的分类表现上显著优于直接预测，尤其在复杂情况中的应用潜力，为临床应
PDF2 days ago
语义协同：通过先进技能映射解锁政策洞察与学习路径
本研究解决了从大量原始文本信息中提取可操作洞察的难题，提出了一种基于先进自然语言处理和语义嵌入的综合系统。通过准确检测显性和隐性技能，该系统在真实文档的多层次评估中实现了近乎人类水平的准确性，具有重大的政策制定、人才发展和终身学习潜力。
PDF2 days ago
并行化多目标A*搜索
本研究解决了多目标最短路径问题（MOSP），通过提出一种新的搜索框架实现了多目标A*搜索（MOA*）的高效并行化。研究发现，独特的上界策略能够在某些情况下将问题的维度降低到一，实验结果表明，该框架显著提升了基于A*的解决方案的性能，且加速效
PDF2 days ago
高级工具学习与选择系统（ATLASS）：基于大语言模型的闭环框架
本研究针对现有工具缺乏灵活性的问题，提出了一种名为ATLASS的先进工具学习与选择系统，采用闭环框架，支持大语言模型动态生成外部工具以应对复杂任务。通过明确工具需求、检索或生成工具，以及完成任务的三个阶段，ATLASS显著提升了工具的适应性
PDF2 days ago
AhaRobot：一种低成本开源双手移动操控器，面向具身人工智能
本研究解决了具身人工智能领域中开放世界环境下的导航与操控问题，提出了一种仅需1000美元的低成本开源双臂移动操控机器人AhaRobot，成本是当前流行移动机器人的不足1/15。通过独特的硬件架构、优化控制方案及易于操作的远程遥控方法Robo
PDF2 days ago
计算技能的最佳规模：知识与推理
本研究探讨了计算最佳规模是否会依赖于技能，特别是知识和推理技能。我们发现，不同技能之间的规模规律存在显著差异，对数据集的选择和模型参数的影响可能达到50%。该研究为大规模语言模型的有效开发提供了新的见解。
PDF2 days ago
移动交易反洗钱的深度学习方法：综述、框架与方向
本研究解决了移动支付环境中反洗钱（AML）检测效率低的问题，特别是在多样化和复杂的交易模式下。通过全面评估深度学习技术在AML中的应用，提出了一种创新框架，结合机器学习技术和账户画像，以提高在数据有限情况下的欺诈检测能力。研究结果将为提升A
PDF2 days ago
双时域通道注意力机制用于脉冲神经网络
本研究针对脉冲神经网络(SNNs)在利用时间信息时所面临的挑战，提出了一种新颖的双时域通道注意力机制(DTA)。该方法结合了同质和异质注意力策略，首次聚焦于时间通道的相关性和依赖性。实验结果表明，DTA机制在静态和动态数据集上均达到了最先进
PDF2 days ago
基于机器学习和自适应数据增强的点接触安德烈夫反射光谱的快速分析
本研究解决了快速且自动化提取超导体点接触安德烈夫反射（PCAR）光谱的参数的时间和劳动成本高的问题。通过采用卷积神经网络（CNN）算法并结合Blonder-Tinkham-Klapwijk（BTK）理论生成的训练数据集，我们提出了一种新方法
PDF2 days ago
OR-LLM-Agent：自动建模和解决运筹学优化问题的推理大型语言模型
本研究解决了运筹学领域中，传统方法依赖专家进行建模和算法开发的问题，导致成本高昂和开发周期长。我们提出了OR-LLM-Agent，这一创新的AI代理能够实现运筹学问题的端到端自动化，其通过大型语言模型的推理能力将自然语言问题转化为正式数学模
PDF2 days ago
针对少样本增量学习的新基准：重新定义上限
本研究解决了少样本增量学习（FSCIL）中由于类别不平衡导致的类间分离困难的问题。我们提出了一种新的结合了不平衡感知技术的联合训练基准，从而有效缩小基础类与增量类之间的性能差距。同时，我们标准化了FSCIL方法的实验设置与评估流程，为未来研
PDF2 days ago
高频交易中的标签不平衡
本研究解决了高频交易中回报预测面临的标签不平衡问题。通过采用全面的标签不平衡调整方法的端到端深度学习框架，成功预测了中国期货市场中的高频回报。该方法的代码已公开，具有显著的应用潜力。
PDF2 days ago
不确定性意识的长尾权重模型伪标签在半监督学习中的效用
本研究针对当前半监督学习中伪标签过滤机制的两大缺陷进行了深入探讨：合理阈值设定和深度模型的过度自信现象。我们提出了一种不确定性意识的集成结构（UES），并将伪标签的效用建模为长尾权重，以增强模型的鲁棒性。实验结果表明，所提方法能够在多个数据
PDF2 days ago
医疗人工智能中的数据集偏差检测：一种通用且与模态无关的审核框架
本研究解决了数据驱动的人工智能在医学中依赖于关联学习而引发的潜在偏差问题。提出了一种通用属性效用和可检测性诱导偏差测试（G-AUDIT）框架，通过分析任务级注释与数据属性间的关系，自动量化数据属性可能导致的学习捷径。这一方法在多种医学数据集
PDF2 days ago
优化消防安全：利用先进机器学习技术减少误报
本研究解决了火灾报警误报率高的问题，提出了一种精确高效的加权集成模型，能够通过对高低密度区域进行加权来减少误报。研究发现，该模型在降低响应时间和提升消防安全方面非常有效，将显著减少火灾造成的损失。
PDF2 days ago
探索无线网络与基于强化学习的大型语言模型之间的互助
本研究解决了无线网络与基于强化学习的大型语言模型（LLMs）之间相互依赖和促进的关系，指出了未充分利用的潜力。通过分析两者在智能资源分配、网络优化和实时决策中的相互作用，研究提出了相应的解决方案和未来的应用方向。最重要的发现是，这种互助关系
PDF2 days ago
MoFlow：通过隐式最大似然估计蒸馏进行人类轨迹预测的一步流匹配
本研究解决了人类轨迹预测的问题，旨在基于过去的轨迹和上下文线索预测多模态未来运动。我们提出了MoFlow模型，通过一种新颖的流匹配损失函数，实现准确且多样的轨迹预测，同时利用隐式最大似然估计的蒸馏方法优化模型性能。实验结果表明，我们的模型在
PDF2 days ago
深度学习模型在大陆尺度水质预测中的可信性挑战识别
本研究针对深度学习模型在水质预测中的广泛应用面临的可信性挑战进行全面评估，特别关注公平性、不确定性、可解释性等方面的不足。通过分析482个美国流域的20个水质变量，研究揭示了模型性能差异的系统模式，并提出了评估可信性的方法框架。本工作为水资
PDF2 days ago
双模态占据预测：基于3D高斯和稀疏点的3D环境感知
本研究解决了现有3D占据预测方法在空间信息和体积结构细节表现上的不足。我们提出了一种基于3D高斯集和稀疏点的双模态预测方法，通过Transformer架构有效结合了空间位置和体积信息，从而提高了语义占据预测的准确性。实验结果表明，该方法在I
PDF2 days ago
基于自然语言处理的AI辅助预测模型开发与评估：针对 elective神经外科术后意外重症监护病房入住的研究
本研究解决了术后重症监护病房（ITU）住院预测的主观决策问题，通过运用自然语言处理（NLP）分析电子健康记录（EHRs），提供了一种基于AI的预测模型。研究表明，经过优化的NLP模型能够有效提取相关概念，使得预测模型在意外ITU入院的召回率
PDF2 days ago