- MM理解现实世界的人工智能规划领域：一个概念框架
研发了一个概念框架，用于识别和分类真实世界规划领域，特别以可持续建筑作为应用领域，该框架能够影响 AI 规划系统在真实世界应用领域的设计、开发和适用性。
- 超越一模型适用于所有场景：大型语言模型领域特化调查
本论文提出了一个系统化的分类方法，将 LLMs 领域专业化技术分类，并讨论了适用于这些技术的关键应用领域的问题和前景，对当前研究状态和未来趋势进行了深入剖析。
- 关于可信性的规定
该文介绍了关于自主系统的可信度、规范和应用领域的高级智力挑战，强调了对功能、安全性、安全性和其他非功能属性等方面的顶层要求的关注。
- 人工智能与社会公益：综述
该研究提供了 AI4SG 领域中应用和趋势的定量分析和详细资料，并整合了 8 个应用领域和 5 个研究主题的框架，以解决 AI4SG 领域的共同挑战。
- 深度学习用于异常检测：调研
本文针对深度学习异常检测问题进行了系统综述，将研究方法划分为不同的类别并探讨其在应用领域的适用性和效果，同时讨论了现有研究的局限性和未来研究的方向。
- KDDSGR: 自监督谱图表示学习
我们开发了 SGR，这是第一个我们所知的以自监督方式学习图形表示的方法，它基于谱图分析，无缝结合了所有所需的理想属性，可用于大型图形集合，可促进自监督表示学习，并在不重新训练的情况下表现竞争优势。
- 多模态传感器数据选择性关注分类
通过将传感器数据分类任务转化成游戏，并引入深度强化学习和注意力机制，我们建立了一个具有竞争力的分类器，该分类器适用于具有复杂情况的应用领域，如医疗保健和娱乐等。
- 源于 AlexNet 的历史：深度学习方法的全面调查
本文综述了深度学习方法的发展历程及其在图像处理、语音识别、智能控制等多个应用领域的优异表现，并讨论了深度学习方法中的各种高级技术，如深度神经网络、卷积神经网络、长短期记忆网络等。同时，本文还提供了近期开发的框架、软件开发工具以及评估数据集来 - 关于真实性发现的调查
该调查综述论文讨论了多种真实性发现方法，它们的可靠性评估和正在应用的多个应用领域，并提出一些未来方向的探讨。