- AnomaLLMy -- 通过低置信度的单词预测在黑盒 LLM 中检测异常的单词
AnomaLLMy 是一种新颖的技术，用于通过 API 访问自动检测黑盒大型语言模型中的异常标记。通过利用低置信度的单词预测作为一种成本效益的指标，AnomaLLMy 识别模型行为中的异常，解决异常标记降低模型质量和可靠性的问题，通过在 c - 整合对抗仇恨言论的策略 —— 利用说服对话
社交媒体平台上存在大量的仇恨评论。我们提出了一种用于生成反驳仇恨评论的可控策略的方法，并通过特征控制响应生成，研究了鼓励长期解决方案的可行性。
- 穿戴设备解读情绪价值：我们的数据能否揭示真实感受？
通过使用消费级可穿戴设备和自我报告测量，本研究旨在弥合实验室研究和现实场景之间的差距，评估可穿戴设备在捕捉用户情绪状态上的有效性，研究结果表明，区分高和低正面情绪有着很大潜力，该研究为移动心理健康干预领域开辟了未来研究的途径。
- 使用 BIM 数据作为输入和输出以提高对建筑物照明元素的检测
自动检测、定位建筑物的照明元件，借助建筑信息建模（BIM）数据，提供节能策略。通过改进的检测系统和新的细化算法、平面估计、BIM 信息应用于悬挂式和嵌入式灯具，实现更好的检测、定位和识别结果。
- 重力细胞检测与荧光显微镜数据跟踪
基于引力场的新方法在荧光显微镜图像中进行自动细胞检测、分割和跟踪，可与现代机器学习模型竞争并潜在地超越其性能。
- 大型语言模型的宣传划分注释
使用大型语言模型（如 GPT-4）作为标注员，通过提供更多信息来改善注释一致性和性能，从而进行检测宣传性文本片段的研究。
- 词干化和词形还原对葡萄牙假新闻文本分类的影响
这项研究重点讨论了自动检测假新闻的挑战性问题，特别关注于处理语言学问题和采用预处理技术（如词形还原和词干提取），结果表明预处理步骤对于获得更好的结果至关重要，词干提取和词形还原等方法是有趣的技术，并且需要更多针对葡萄牙语的研究以获得更好的结 - 一种对相机运动稳健的新型流星检测应用
该研究论文介绍了一种用于自动检测流星的新工具。快速流星检测工具箱（FMDT）能够通过分析气象气球或飞机上的相机拍摄的视频来检测流星目击事件。该工具解决的挑战在于设计一个由简单算法组成的处理链，能够应对视频的高波动，并满足功耗（10 瓦）和实 - 借助 Twitter 数据进行人格检测与分析
自动检测个性特征的研究方法已引起计算语言学领域的广泛关注，本文针对此领域中数据集有限的问题，收集和发布了一个包含 1.52 亿推文和 5.6 万份数据点的研究社区最大的自动整理数据集，以用于预测迈尔斯 - 布里格斯（MBTI）人格类型，通过 - ACL推特上影响者内容的多模态分析
本研究介绍了一个新的推特数据集，并使用文本和视觉信息实验了多模型预测方法，表明我们提出的交互注意力方法在检测商业推广内容方面优于现有的多模态模型。我们还对模型的优势和局限性进行了彻底分析，结果显示多模态建模有助于识别商业帖子，减少误报，并捕 - 社交媒体中的强韧仇恨言论检测：跨数据集实证评估
针对在线仇恨言论的自动检测是 NLP 领域的一个研究热点。本文通过对不同的仇恨言论检测数据集进行微调，分析了数据集通用性的差异，并证明了数据集的组合能够促进强大的仇恨言论检测模型的发展。
- 计算分析悬疑：检测危险情况
本文介绍了一种注释危险情境的文本语料库，研究了悬疑小说中利用危险情境建立悬疑的方法，并进行了自动检测实验。同时发现，描述危险和恐惧的文本内容往往在很大程度上依赖于上下文。
- 那就是全部了：共享价值的知识图谱作为常识社会规范和行为
本文提出两个本体模块 FOLK 和 That's All Folks，用于辅助主流价值理论识别在日常互动中扮演重要角色的价值，以深入了解社会动态和个人认知行为，同时利用基于框架的方法进行文本上的自动检测价值。
- 研究在科学文献中发现折磨性短语的检测
本研究旨在探究如何自动检测未列出的 ' 折磨短语 '，并进行了包括非神经二元分类、神经二元分类和短语标记余弦相似度比较在内的多项实验，得到了显著的结果。
- 基于图神经网络的证据感知假新闻检测
本研究提出了一种基于证据的假新闻自动检测框架 GET，该框架采用图形结构学习方法将索证和索证的长距离语义依赖关系整合起来，从而有效避免了序列模型在验证新闻真实性方面存在的缺陷。作为一项重要的技术创新，GET 的有效性已经得到了充分验证。
- EMNLP芬兰方言识别：音频和文本的影响
本篇论文介绍一种自动检测说话者方言的方法，结合录音文本与音频录音数据，对 23 种不同的芬兰方言进行分析，结果表明，该方法的准确度可达 85%。
- DepressionNet: 一种基于深度学习增强的社交媒体抑郁症检测新型摘要框架
本文提出一种新颖的计算框架来自动检测 Twitter 用户的抑郁症，其中通过抽取概括和提炼相关内容来解决现有模型的局限性，并使用卷积神经网络和门控循环单元模型进行更好的诊断结果。
- IJCAI笑脸头：Transformer 能否识别句子中的幽默元素？
通过对自动检测幽默的研究，我们训练了基于转换器的模型，并分析了幽默识别模型，进一步提高了模型性能和训练方法。
- 关于视觉 Transformer 在零样本人脸反欺诈方面的有效性研究
本文提出了一种基于视觉 Transformer 模型的零样本反欺诈方法，通过在公共数据集上的实验，证明了该方法在 HQ-WMCA 和 SiW-M 数据集中零样本协议方面优于现有技术，并在跨数据库性能方面取得了显著提升。
- 利用深度生成模型实现大规模仇恨言论检测
该研究探讨使用深度学习对 hate speech 进行自动检测，基于生成的 1 百万条数据集进行模型训练，在公共 hate speech 数据集上获得了显著的性能提升，提高了对多样的 hate speech 序列的高灵敏检测能力，为实现完全