本文探讨了机器学习在科学研究中的潜力，使用物理导向的人工智能方法研究了在量子实验中产生高维纠缠多光子态的复杂光子量子实验的设计与实现，自主学习创造了多种纠缠态并提高了实现效率，提出了机器在未来研究中具有更加创造性的可能。

Jun, 2017

该论文测试了一种使用机器学习中的失败预测来识别具有歧义和丰富案例的定性分析方法学，结果支持 Munk 等人的理论，并进一步指出该方法可以在更广泛的人文领域中应用，而且不需要复杂的神经网络。

May, 2023

通过分类和总结现有的机器遗忘技术的特点，本文综述了机器遗忘技术的关键理念，并讨论了其面临的挑战和未来的研究机会。

Jun, 2023

通过深度学习使自主系统能够在感知的亚符号方式下逐渐理解对象及其环境，执行对象检测、传感器数据融合和语言理解任务。为了实现强大的人工智能，我们需要考虑人类提供的显式教学和通过观察人类行为获得的隐式教学，同时设计多模态输入和输出能力的系统以支持隐式和显式交互模型。我们提出了几个假设和设计指南，并通过相关工作的一个用例来实现这个目标。

Sep, 2023

本文提出了半自动的光谱相关性分析，探究了学习机器如何解决各种问题，并对计算机视觉和街机游戏等各种任务进行了分析，展示了一系列解决问题行为。研究发现，标准的性能评估指标不能区分这些问题解决行为。此外，该方法可以帮助评估学习模型在特定问题上的可靠性，并将评价机器智能的成功更加细致和全面。

Feb, 2019

本研究通过引入新的挑战数据集 HellaSwag，利用对抗筛选（Adversarial Filtering）方法，证明即便最先进的自然语言处理模型也很难达到人类水平的常识推理，而这一洞见揭示了预训练模型的内在机理，并提出了一种新的自然语言处理研究方向。

May, 2019

该研究提出了一种视觉分析系统（ESCAPE），通过人类参与者的观测和量化，以及减轻偏见的解决方案（debias 方法），在避免人工智能盲点（AI blindspots）和系统性错误方面具有较高的实用性。

Mar, 2023

每天我们越来越依赖于机器学习模型来自动化和支持高风险任务和决策。这篇论文提出了混合决策系统的分类法，提供了一个概念和技术框架，以理解当前计算机科学文献中的人机交互模型。

Feb, 2024

创新方法利用大语言模型融合视觉、听觉和语境模态，以提高增强现实系统的状态估计，为更自适应的增强现实系统迈出了一步。

Oct, 2023

机器学习在电子显微镜领域逐步获得认可，用于数据后处理中的去噪、语义分割和降维。在使用大型仪器制造商的 API 引入后，现在可以在显微镜中部署机器学习工作流，不仅用于数据分析，还用于实时决策和反馈。然而，实时机器学习的用例数量仍然相当有限。在本文中，我们讨论了设计基于机器学习的主动实验的一些考虑因素，并提出了未来几年的策略可能是人在环回中的自动化实验 (hAE)。在这种范例中，机器学习代理直接控制光束位置、图像和光谱采集功能，人操作员实时监控系统的特征空间中的实验进展，并调整机器学习代理的策略以实现特定目标。

Oct, 2023