本文关注了在航空航天应用中人工智能技术的发展和应用趋势，提出不同 iable intelligence 和 on-board machine learning 是非常重要和有趣的研究方向，重点介绍了来自欧洲空间局的几个项目，旨在超越将已有人工智能技术用于航天领域的传统方法。

Dec, 2022

介绍了 SpaceQA，这是目前为止首个用于太空任务设计的开放域问答系统，并采用密集检索器和神经读取器的最先进架构，使用基于迁移学习的方法，证实了在领域特定标注数据缺乏的情况下优于微调。测试结果表明，系统能够更好地满足欧洲航天局信息共享和重复利用的需要。

Oct, 2022

基于 AI 在自然语言理解和生成方面的革命性进展，我们设计了能够解决复杂科学任务的 AI 系统，并将自然语言作为 AI 与人类科学家之间的核心表示、推理和交换格式。本文旨在探讨实现这一愿景所面临的主要研究挑战。

Oct, 2022

该研究报告介绍了 NASA 在过去十年中使用 AI 技术开发和演示自主系统和运营项目，重点讨论了三种不同的方式，使得机载操作具备了自主性能力，并对未来的开发进行了评估。

Oct, 2019

本文介绍了用于语义分析和量化科学短文本的计算方法，以及如何将它们标准化为代表科学专业类别的向量，并使用统计分析确定最适当的 “含义” 的尺寸，从而建立了文本含义的几何表示。

May, 2022

人工智能作为探索工具，创造和研究能够揭示与人类和动物智能形式不同的候选智能构件的系统，以探索智能的可能空间。通过研究人类和大型语言模型在组合新概念和虚构概念能力方面的最近工作，证明后者在解决此任务时可能与人类假设的方式完全不同，但对智能研究同样具有重要意义。

Jan, 2024

本文提出一种名为 Explicit Semantic Analysis（ESA）的新方法，基于 Wikipedia 的概念表示未受限制的自然语言文本的含义，用于文本分类和计算自然语言文本片段之间的语义相关性，此方法利用自然概念使 ESA 模型易于向人类用户解释，并在这两个任务中取得了显著的改进。

Jan, 2014

研究自然语言处理的 NLP 和人工智能领域对实体理解的影响，提出了基于实体概念的方法，并介绍了如何在实体链接任务中使用这种方法。通过核指代文簇难题进行了实验研究，分析了知识库实体集成到文本中的方法并从时间视角分析了实体的演变。

Apr, 2023

本文探索了利用文本输入进行太空态势感知任务，并构建了一个涵盖所有已知活动卫星的 48.5k 新闻文章的语料库，通过基于依赖规则的提取系统来标识太空事件句子，并通过人工标注来提取事件插槽。研究表明，采用最先进的神经抽取系统在这个低资源、高影响的领域可以实现每个事件插槽的 F1 值在 53 到 91 之间。

Jan, 2022

本文介绍了人工智能规划和自然语言处理之间的相互作用，讨论了四个领域：基于规划的文本理解、基于规划的文本生成、基于文本的人机交互和基于文本的可解释规划，并探讨了一些潜在的未来问题。

Feb, 2022