- 具有可靠性保证的混合卷积神经网络
在确保 AI 模型的可靠执行方面，我们提出冗余执行作为一种可靠执行 AI 模型的常见技术。我们采用协同设计方法，在非可靠执行与可靠模型执行中集成，并将额外计算开销仅限于必要的领域。本文描述了混合型 CNN 的设计、实现和一些初步结果。
- RepAugment：面向输入的表示层数据增强用于呼吸音分类
探索预训练语音模型在呼吸音分类中的有效性，并提出了能够处理预训练语音波形的输入不可知表示级别增广技术。实验结果表明，该方法优于 SpecAugment，在少数疾病类别的准确性上实现了显著改善，最高达到 7.14%。
- 面向证明导向编程的神经综合研究
使用 AI 自动化构建证明导向的程序，我们提供了一个包含 600K 行开源 F * 程序和证明的数据集，通过 AI 进行程序和证明的综合，使用细调小型语言模型和类型检索增强技术取得有希望的结果，为未来改进提供了方向。
- ATOMMIC：一种提供医学图像一致性多任务工具箱，促进从获取到磁共振成像分析的人工智能应用
AI 正在改变 MRI 的采集和处理过程，ATOMMIC 是一个开源工具箱，通过实现 DL 网络和多任务学习 (MTL) 来应用 AI 于加速 MRI 重建和分析，结合物理模型与分割网络可以提高 MRI 重建和图像分割的性能。
- 偏倚缓解之补偿：一种强化学习视角
人工智能与人类决策的整合越来越紧密，我们必须仔细考虑两者之间的相互作用。尤其是当前的方法着重于优化个体代理行为，但往往忽视了集体智能的微妙之处。群体动态可能要求一个代理（例如，人工智能系统）对另一个代理（例如，人类）中的偏见和错误进行补偿， - M3H：面向医疗保健的多模态多任务机器学习
AI 在医疗领域取得的最新突破有望从根本上提升我们对医疗的研究和理解。在这项工作中，我们介绍了 M3H 框架，它是一个可解释的多模态多任务医疗机器学习框架，能够从不同的多模态输入中学习，适用于各种医疗任务和机器学习问题类别，同时提供了有关任 - Gemini 模型在医学领域的能力
Gemini 模型在医学应用领域的卓越表现面临着挑战，要求先进的推理能力、获取最新的医学知识和理解复杂的多模态数据。该研究引入了 Med-Gemini，一类在医学领域具有高度实用性的多模态模型，能够无缝地使用网络搜索，并可以通过定制编码器高 - Dr-SAM: 血管图像的端到端框架，用于血管分割，直径估计和异常检测
通过提出 Dr-SAM，一个综合性的多阶段框架，用于分割血管、估算血管直径和异常分析的对周围血管的血管造影图像的综合分析，我们希望能够增强诊断精确性，改善血管问题患者的健康结果，并引入一个新的用于周围血管血管造影图像的基准数据集，以推动未来 - AI 采购检查清单：在 AI 治理时代重新审视实施
公共部门使用人工智能的情况在过去十年中悄然上升，但直到最近，对其进行规范的努力才进入文化潮流。本文通过研究巴西、新加坡和加拿大的官员，总结了监管政府人工智能使用的经验教训，提出了改进途径，着重讨论了技术专长、风险框架和透明度三个关键问题。
- 通过与人工智能共创实现食品发展：有着 “爱的味道” 的面包
该研究利用人工智能，包括生成式人工智能，探索了一种新的食品开发方法，旨在制造令人愉悦并与消费者情感共鸣的产品。研究中使用的食材推荐方法可以被视为一种形式的多模态生成，它以文本为输入并输出食材候选。研究聚焦于制作 “浪漫面包”，这是一种融入了 - 从分类到规范：欧盟 AI 法规中的 AI 风险与监管措施的（地理）政治分类法
技术创新和人工智能对社会产生了巨大的益处和威胁。这项研究提出了一个关注人工智能相关地缘政治风险的分类法，共识别出 12 种风险，分为四类：地缘压力、恶意使用、环境、社会和伦理风险以及隐私和信任侵犯。本文结合欧盟 AI 法案进行了政策评估，该 - 因果室：作为人工智能方法论实验台的真实物理系统
通过构建名为因果室的计算机控制实验室，研究人员可以在各个领域中快速、廉价地生成大量来自非平凡但易理解的物理系统的数据集，并提供一种丰富的算法测试平台，解决因果发现、分布外泛化、变点检测、独立成分分析和符号回归等问题。
- 您会信任 AI 医生吗？通过核病虫害不确定性建立可靠的医疗预测
该论文介绍了一种解决人工智能在医疗领域中不可信和数据有限性的挑战的新方法，提出了一种基于贝叶斯蒙特卡洛 Dropout 模型和核模型的方法。该模型旨在提高对小型医疗数据集的可靠性，这是阻碍人工智能在医疗领域广泛应用的关键障碍。通过利用现有的 - AI 与算法公平中的种族 / 族裔分类：其重要性与代表意义
在人工智能和算法公平性的文献中，种族多样性已成为越来越受关注的议题，然而鲜有关注对种族类别的选择进行合理化解释以及如何让人们置于这些选取的种族类别中。更少的关注度放在种族类别如何转变以及种族化过程如何随着数据集或模型的背景而改变。对于选取种 - 甲状腺癌诊断的放射组学和人工智能进展
人工智能和放射学成像技术结合应用于甲状腺癌诊断的研究综述了相关研究，并强调了标准化努力的重要性。
- SurveyAgent：一种个性化且高效的研究调查对话系统
SurveyAgent 是一个设计用于为研究人员提供个性化和高效研究调查辅助的新型对话系统，整合了知识管理、推荐和查询回答等关键模块，在提供统一平台支持研究人员文献评述过程的同时，通过对话接口优化用户交互和个性化。我们的评估表明 Surve - 嗅觉中的数据科学
神经感知技术的进展使得我们能够以极大的细节观察嗅觉过程。本文从数据科学和人工智能的角度概念化嗅觉，将气味物质的特性与其在嗅觉系统中自鼻子到大脑的感应和分析联系起来。在与视觉感知的区别中，我们论述了嗅觉所面临的独特测量挑战，包括刺激的复杂性、 - 实现用于上下文丰富智能应用的自动化软件演化的数据到产品多模态概念框架
该研究提出了一个概念性框架来实现自动化软件演化，强调多模态学习的重要性。基于该框架，开发了一种选择性顺序范围模型（3S）模型，用于对不同软件工程阶段和多模态学习任务进行分类。该研究为更高级的自动化软件演化奠定了基础，并可作为实践者进入该领域 - 利用大型语言模型的物理事件分类
2023 AI4EIC hackathon at The Catholic University of America brought together researchers to discuss the latest developme - AI 知识与推理：在科学研究中模拟专家的创造力
通过研究 589 份发表于四本领先心理学期刊的研究论文，我们调查了现代人工智能是否能够模仿专家在复杂科学领域的创造力，并介绍了一种新的方法论，利用 AI 的训练截止日期之后发表的原创研究文章，确保没有事先接触，减轻死记硬背和事先训练的担忧。