ARDIAS: 智能增强的研究管理、发现和咨询系统
我们提出了一种新的平台 AI Research Navigator,该平台结合了传统的关键词搜索和神经检索,可发现和组织相关文献,同时还可以提供多级文本粒度的搜索,从句子到跨文档的聚合,包括自然语言和领域特定的知识图导航。
Oct, 2020
该论文提出了多学科和跨学科的方法,用于找到研究信息的适当的人工智能技术。提出了一个概念和一个过程模型,描述了从项目开始到正在运行的人工智能方法在研究信息管理中的实施,旨在使大学和研究机构能够在存储研究信息时支持研究人员处理不正确和不完整的研究信息,同时强调研究信息与数据素养和与人工智能相关的数据质量问题的挑战是如何协调的;还指出只要研究机构和大学的各个部门能够共同合作并提供适当的支持来改善研究信息和数据管理,任何项目都可以成功。
May, 2024
我们提出了一个名为 SARD 的可视化工具,用于利用大型语言模型生成多章节故事,通过对其可用性和创意支持的评估,我们发现节点可视化可能有助于作者建立心理模型,但在故事更加复杂时会导致不必要的认知负荷和注意力分散,还发现无论故事复杂与否,AI 生成的故事在词汇多样性方面都较少,这些发现为未来人工智能与人类共同创作工具的发展提供了指导。
Mar, 2024
该论文提出了一种新颖的框架,即人工智能增强型智能助手(AIIA),用于个性化和自适应的高等教育学习。AIIA 系统利用先进的人工智能和自然语言处理技术,创建了一个互动和吸引人的学习平台,通过提供易于获得信息、促进知识评估和提供个性化学习支持来减轻学习者的认知负担,以满足个体需求和学习风格。
Sep, 2023
通过系统文献综述,本研究分析了人工智能与科学计量学,网路计量学和文献计量学的协同作用,以揭示 AI 算法在这些领域应用和效益的潜力。
Feb, 2024
我们提出了一种基于人工智能的科学研究助手,用于物理学建模中极早期的科学发现,它通过物理学建模中既可解释又通用的本体论,自动搜索可行和简约的假设,并将列举的假设自动编译到特定于域的可解释和可训练 / 可测试张量计算图中来学习现象学关系,从而有效地提高了科学家的工作效率。
Feb, 2022
我们在 Meta Reality Labs Research 团队构建了 Aria 设备,该设备是一种自我为中心的多模态数据记录和传输设备,旨在促进和加速这一领域的研究。本文描述了 Aria 设备的硬件,包括其传感器配置和相应的软件工具,以实现此类数据的记录和处理。
Aug, 2023
现今,基于人工智能的系统在不同领域取得了杰出的成果,并超越了人类。然而,训练 AI 模型和从中推断出来的过程需要大量的计算资源,在当前能源效率的社会需求中面临重大挑战。为了应对这一挑战,本研究项目论文描述了 GAISSA 项目的主要愿景、目标和预期成果。GAISSA 项目旨在为数据科学家和软件工程师提供工具支持、以架构为中心的方法,用于建模和开发绿色基于人工智能的系统。虽然该项目处于初期阶段,但我们描述了当前的研究结果,展示了实现 GAISSA 目标的潜力。
Jul, 2023
利用 arXiv 的元数据,通过学习这些数据中科学论文的主题标签,我们可以推断出其他大型语料库中与人工智能相关的论文,这种监督式方法可以一直更新,无需依赖于主题专家进行查询开发或标注。
Feb, 2020