- 使用观点动力学在图上进行关系推理
通过引入一个抽象层，本文利用图神经网络将代理的状态映射到它们对每个类别的关联度，将代理之间的物理接近性和关联度整合到非线性舆论动力学模型中，用于识别互斥类别、预测代理的时间演变和控制代理的行为，从而在机械系统的可学习类别和长期轨迹预测基准测 - ICML可配置镜像下降：决策制定的统一化
这篇论文旨在探索是否能开发一种单一算法以解决所有决策问题的分类。它通过引入广义镜像下降（GMD）、可配置镜像下降（CMD）和 GameBench 构建等方法来应对不同决策问题的挑战，并通过广泛的实验验证 CMD 在各个维度上对决策问题进行了 - 医学对话：类别、方法、评估和挑战的调查
这篇论文从技术角度对医疗对话系统进行了调查和组织，总结了医疗对话系统的分类、方法和评估，并列出了医疗对话系统的主要挑战，尤其是大型语言模型。
- 分类聚合无需一致
每个类别的分类聚合函数本质上都是一个独裁统治，这一不可能性证明了 Maniquet 和 Mongin (2016) 的早期结果，即每个一致且独立的分类聚合函数也是一个独裁统治。
- 遵守欧盟 AI 法案
该研究论文通过对 EU AI Act 的分类，开发了一个问卷，提供定量数据和洞见。数据分析显示了不同合规性类别下组织所面临的各种挑战，并研究了组织特征（如规模和行业）对合规性的影响。此外，论文还分享了被调查对象对 AI Act 内容和应用的 - ExCalibR: 推荐期望校准
本文提出了一种基于线性规划优化问题的方法来平衡推荐系统或搜索问题中多种类别需要协调的目标，通过学习一个双重随机矩阵来实现权衡与适应，最终实验结果表明该模型可以取得更好的平衡效果。
- Casual Conversations v2: 设计一个大型的基于同意的数据集，用于测量算法偏差和鲁棒性
本文提供了一个设计分类和子分类的方法，以便收集一个全面的数据集，以用于测试和开发鲁棒和公平的 AI 系统。
- 看见不可见之物：视觉数据集中的错误和偏差
机器视觉算法对图像的处理和决策至关重要，但是数据集中的错误可能会导致认为黑人是大猩猩或搜索结果中误代表某些族裔，本文追踪数据集中的错误及其影响，揭示了一个缺陷的数据集可能是类别有限、数据来源不全和分类不当的结果。
- AAAI利用概念邻域对语义类别建模
本文介绍了一种将概念邻居纳入考虑的方法来学习区域向量表示，从而得到更加准确的基于区域的表示。
- 由神经网络国际象棋引擎驱动的自动国际象棋评论员
本文提出了一种新的自动化国际象棋解说生成方法，结合神经国际象棋引擎和文本生成模型，能够生成不同类型的描述、比较和规划性的解说文本，并在基准数据集上取得了令人满意的结果。
- MM基于聚类的矩阵分解
本文提出了一种将通用邻域信息添加到推荐模型的矩阵分解扩展，并将用户和项目分成不同的类别，以查看这些类别共享的偏好。实验证明，将类别的通用潜在特征应用于分解的推荐模型可以提高推荐的准确性。
- 语言类别的文化生成途径
通过模拟一群玩基础语言游戏的个体，本文研究了类别的本质讨论，发现它们由两个层次构成：一个基础层负责环境的细致辨别，另一个语言层将感知编组在一起，以保证交际的成功。值得注意的是，语言类别的数量是有限的、很小，与自然语言中的情况相似。