- 利用大型语言模型加速临床证据综合
利用 TrialMind 等基于 LLMs 的人工智能模型，我们介绍了一种为进行医学系统评价而设计的生成型 AI 流水线。通过结合人类专家的监督，我们证明了 TrialMind 显著提高了文献综述的过程，并在从超过 2000 万篇 PubM - DiffExplainer: 通过反事实生成揭示黑匣子模型
通过生成对抗图像，我们提出了一种方法来揭示影响黑盒模型的决策的关键特征，以提高医学图像分类中深度学习模型的可靠性。
- 决策推理解码：基于反事实的模型在知识发现中的运用
在医学成像中，辨识人工智能模型预测背后的理由对于评估其决策的可靠性至关重要。为了填补这一差距，我们提出了一种具备决策推理和特征识别能力的可解释模型，不仅能够检测有影响力的图像模式，还能揭示驱动模型最终预测的决定性特征。通过实施我们的方法，我 - 认知 BPM 作为平衡器：提高员工（有无认知障碍）的访问和效率
使用 ProcessGPT 模型来改善企业流程和提高工作效率，尤其是在处理认知残障人士的情况下，能够帮助设计更具效率的企业流程，并提升个体和组织的生产力、士气和包容性。
- 情感感知音乐推荐系统：通过实时情感背景增强用户体验
本研究通过将情感融入歌曲推荐过程中，引入了一种人工智能模型，能够准确检测用户的实时情感，并生成符合用户情感状态的个性化歌曲推荐，从而提升用户体验，创造更具共鸣和意义的听歌体验。
- 解析神经网络对弈围棋及人类学习
AI 模型在围棋游戏中超越了人类选手，解释 AI 模型所编码的围棋知识并将其用于教导人类选手代表着一个具有前景但具有挑战性的问题。为此，本文提取围棋游戏价值网络所编码的棋子之间的交互原语，以使人们能够从价值网络中学习。实验表明了我们方法的有 - 利用 ATSFace 数据进行多模态欺骗检测的 LoRA 样式校准
通过注意力感知神经网络和多模态融合策略，我们提出的方法在视频数据中准确地检测和阐明欺骗行为， 进一步使用低秩适应方法进行个体欺骗检测准确率的提高。
- 利用弱标注通过零样本分段任何模型实现基于分子的学习
该研究使用分段任意模型（SAM）在零样本学习方法中利用弱边框注释，表明 SAM 辅助的分子强化学习（SAM-L）可以减少普通注释者的标注工作量，同时不影响注释准确性和深度学习分割性能，从而对训练病理图像分割的标注过程进行了明显改进。
- 分子驱动学习使普通注释员实现病理图像分割民主化
本研究提出了使用临床外行人士标注部分标签的分子化学学习方案，通过分子 - 形态学的跨模态配准，基于分子的标注和分子导向的分割模型，将病理学 AI 模型转向外行人士级别，从而实现了细胞分割的多类分割，并且整合了深度校正学习方法来进一步提高分割 - 用扩散模型生成纺织图案
本研究使用 fine-tuned 的 diffusion model 结合 AI 模型通过文本指导来生成纺织花样，并且在视觉和数值上与基准模型进行了比较，证明了该模型在纺织花样生成方面具有更好的质量和效率，并有望在纺织行业中简化设计过程。
- 用因果抽象进行忠实的模型解释
本文提出因果抽象理论作为高层次的 AI 模型解释的数学基础，使用因果抽象分析来确定可解释的高层次因果模型是否忠实反映了 AI 模型的行为和内部结构，同时我们还定义了近似因果抽象的概念以度量高层次因果模型对底层模型的抽象程度，并将 LIME、 - 非线性特征映射下的少样本学习的数学理解
我们研究了数据分类问题，探究了机器学习模型的特征空间几何形态、数据分布结构和泛化能力之间的关系，发现非线性特征转换对于将原始数据映射至高维甚至无限维空间对模型的泛化能力有重要影响。
- 基于人工智能的辅助工具开发与临床评估，用于提升远程医疗照片质量
在 COVID-19 疫情期间，远程医疗使用得到加速，并且皮肤病是常见的使用案例。为了解决患者拍摄的照片质量差的问题，我们开发了 TrueImage 2.0，一种人工智能（AI）模型，用于评估患者的远程医疗照片质量，并提供实时反馈以改进照片 - 利用赫布学习预测星际争霸 II 中集群的演变
本文提出了一种混合 AI 模型，将无监督学习和自监督学习相结合，以预测 StarCraft II 游戏中集群的演变，其中，无监督的 Hebbian 学习方法被应用于产生可变数量的集群，并且在预测任务中，使用基于长短期记忆的预测模块来预测集群 - 选择而不囤积：O-RAN 中人工智能的信息到模型匹配
本文论述了利用来自不同地点的信息来训练多个 AI 模型实例以实现更灵活的 gNB 控制模式，从而提升了传统方法的性能。
- IJCAI使用反事实解释模型置信度提升模型理解和信任
本文阐述了反事实解释信心分数是如何帮助用户更好地理解和更好地信任 AI 模型的预测，在人机交互系统中展示信心分数可以帮助建立人类和 AI 系统之间的信任，提出了两种用于理解模型信心的方法：(1) 基于反事实例；和 (2) 基于反事实空间的可 - 未校准的模型可以提高人工智能协作
通过改变 AI 模型的置信度，可以提高人类利用 AI 辅助决策的准确性和信任度，强调人类与 AI 系统共同优化的重要性。
- AAAI咳嗽对抗 COVID：咳嗽声中 COVID-19 特征的证据
在 COVID-19 测试能力不足的情况下，一种基于人工智能模型的咳嗽声音分析方法结合症状调查，能有效提高较为贫困的地区的 COVID-19 检测能力，并对 2000 多个样本进行了测试。
- AAAIPerformanceNet: 多频段卷积残差网络得分转音频音乐生成
提出了一个深度卷积模型，学习了乐谱和音频之间的符号表示之间的得分与音频之间的映射，通过用户研究发现，该模型在自然度和情感表现方面的平均意见分数高于 WaveNet 模型和两个商业声音库。
- ChemGAN 挑战：AI 是否能够重现自然化学多样性为药物开发服务？
本研究旨在探索生成具有期望化学性质的分子以用于药物研发。通过定量评估内部化学多样性，我们提出了以下挑战：一个 AI 模型是否能够复制所需分子的自然化学多样性？通过考虑强化学习模型及最近推出的 ORGAN 模型，我们发现这一挑战并未被成功解决