- 探索联邦深度学习在放射治疗数据中规范命名约定
这篇论文介绍了一种在分布式实时数据和联邦学习中实现标准化名词的方法，通过使用多模态深度人工神经网络从结构中提取的标签、视觉和体积特征来训练模型，结果表明融合多种模态的模型在训练过程中表现更好，相比于中央化设置中的模型具备相近的准确性，展示了 - 自动网络威胁溯源的模块化方法
提出了一种模块化架构作为当前整体自动化方法的一种替代方案，这种解决方案可以利用意见库来组合各种属性者的输出，以增加威胁归因问题的可追踪性，并提供更高的可用性和可解释性。此外，通过实验证明，模块化方法不会导致性能下降，甚至可以提高精度和召回率 - 人工智能在主要视网膜疾病中的应用综述
通过对过去十年的研究进行系统调查，本文提供了一个关于导致视觉障碍或失明的视网膜疾病的体系化调研，强调了早期检测对有效治疗的重要性。它涵盖了检测视网膜疾病的临床和自动化方法，并基于对现有文献的批判性分析确定了未来的研究方向。这一综合研究以不同 - 评估对志愿内容管理员的支持，不仅仅是毒性检测
自动内容审核方法、内容审核、有害、冒犯和志愿者审核人员是本文的关键词，研究提出了自动审核模型与志愿审核人员需求之间的差距，并测试了先进语言模型在平台规则违规检测上的表现。
- 一个简单而高效的集成方法用于 AI 生成文本检测
近期大型语言模型（LLMs）在各种风格和体裁的文本生成方面展示了惊人的能力。然而，这种能力容易被滥用，如虚假新闻生成、垃圾电子邮件创建以及在学术作业中的误用。因此，建立能够区分人工生成文本和人类作者文本的自动化方法至关重要。本文提出了一种简 - 寻找意识到的胸部 X 光机器自动报告的解剖标记
通过使用任务感知的解剖结构特征提取方法，我们在自动化报告流程中整合任务感知的解剖结构特征，并取得了临床准确性提高的最新成果。
- MMDEFTri：电子商务中产品缺陷分类的少样本标签融合上下文表示学习
使用机器学习的自动化方法，通过精调的预训练 BERT 模型和标签融合的文本嵌入来改进基于人工生成的产品缺陷的上下文表示，本文提出了一种用于自动缺陷分类的新型框架（DEFTri）。在我们的多标签文本分类缺陷分类任务中，我们还介绍了沃尔玛专有的 - 从文本中丰富本体学：一个用于概念发现和定位的生物医学数据集
通过自动化方法将新概念放入知识库，提出基于 MedMentions 数据集的新基准来解决既定数据集常见的问题，并通过最近的大型语言模型方法进行评估。
- 多模态空间编码和面部嵌入增强的 Meme 情感分析
本文介绍了一种针对互联网模因的多模态分类方法，通过考虑图像和文本之间的相对位置和面部嵌入来提高自动分类的准确性，实验结果表明，该方法优于传统基于 OCR 提取文本的分类方法
- CCRep：通过预训练代码模型和查询反馈学习代码变更表示
此研究使用 CCRep 方法，通过将代码更改表示为特征向量，学习在多种软件工程任务上使用的高质量的代码更改表示方法。实验结果表明 CCRep 在各任务上表现优异。
- EMNLP使用意大利 CoLA 语料库进行单 / 跨语言可接受性判断
使用类似于英文语料库的方法，创建了 ItaCoLA 语料库用于其他语言的自动文本可接受性分析和多语言转换器方法效果的评估。
- 连续表面嵌入
提出一种学习图像密集对应的新模型，能对几何形状不同的物体进行自动化且简单的密集姿态估计，适用于人类和动物类的各种变形物体。
- 从查询日志中挖掘精准接口
本文提出了一种基于句法的方法，利用分析过程中的查询来生成定制化的界面，其中界面部件被建模为修改当前分析查询的函数，我们的系统可以从 10,000 个查询的日志中生成界面，并可用于简单的预测任务。