本文研究在临床记录上添加自动标记的影响，发现专家用户对于何时依靠自动处理和何时依靠自己的判断有建立信心的直觉，但当提供全自动处理时，这些用户表现出比较低的自主性和更容易接受错误的提议。

Mar, 2021

本研究介绍了一种基于 LSTM 域选择组件的人工智能助理系统中对于选择相关新训练数据的方法，实验结果表明，与随机选择和基于熵的方法相比，在固定标注预算的情况下提供了更高的准确性提升。

Aug, 2019

通过新的基于模型的方法，我们提出了一种在多任务场景中为每个文本选择逐个注释的任务的方式，从而最大程度地减少注释数量，并且几乎不损失知识，同时还强调了根据注释任务的主观性收集多样化数据以有效训练模型的需求，并通过在单任务和多任务场景中评估模型来衡量主观任务之间的关系，此外，对于某些数据集，仅依靠我们模型预测的标签进行训练，可作为自监督学习规范化技术，提高任务选择的效率。

Dec, 2023

通过收集社会科学顶级期刊中最近发表的 50 篇论文构建的第一个自然语言处理数据集，该数据集可以解决假设归纳领域中以往局限于特定领域和常识知识的问题，旨在开发一个系统，仅凭一堆原始网页文集就可以自动生成有效、新颖且对社会科学研究人员有帮助的假设。基于多模块框架和三种不同的反馈机制，该框架在 GPT-4 和社会科学专家评估方面表现出较高的性能。

Sep, 2023

基于机器学习的自动事实核查是识别网络上的虚假信息的一种有希望的方法，针对现有的事实核查语料库规模小、注释不详细、局限于单一领域等问题，本研究提出了一个大规模、多领域的可信事实核查语料库，并进行了模型构建和分析。

Oct, 2019

本文分析了任务设计偏差对自然语言注释的影响，结论表明任务设计对注释人员对关系的选择有影响，且应将这种偏差考虑到模型的训练和测试中。

Apr, 2023

基于最新的自然语言处理技术，本研究通过使用基于写作指南的文本对文本界面而无需提供培训样本的方法，评估其在实际应用中自动化注释任务中的效果，结果表明即使受到本地计算资源限制，这种以提示为基础的方法与经过优化的 BERT 模型相当，且无需任何已标记的训练数据。

Jun, 2024

本文系统性地综述了数据注释技术在 Human Activity Recognition (HAR) 领域中的应用，通过分类和分类法对现有方法进行整理，旨在为应用场景中的技术决策提供支持。

Jul, 2023

本文研究了使用交互式更新标签建议来改善在德国新冠社交媒体数据的意见挖掘任务中获取注释的效率。作者开发了一些指导方针并进行了一项受控注释研究，发现模型从一个小型专家注释数据集中训练的建议已经可以显著提高注释者的质量，而来自交互式训练模型的标签建议并没有比静态模型带来改进。

May, 2021

本文旨在自动化模拟诊断的认知活动以便为学生提供反馈，同时讨论了自动化识别认知活动所面临的三个挑战，并提出了各自的性能度量标准。此外，根据提供的诊断自述语料库的检测，作者评估了几种 RNN 神经网络架构，证明目前的技术无法解决一些挑战。

Nov, 2018