- MLOps：综述
这篇论文研究了机器学习运营（MLOps）方法的重要性，以及如何选择最佳的工具结构来简化软件开发，并评估了各种 MLOps 方法的特性和可操作性。作者通过评估 22 篇相关论文发现，目前缺乏完全有效的 MLOps 方法，这些方法可以在不涉及人 - 传统中国绘画的计算方法：从《绘画法门六法》视角
研究论文中通过对 92 篇文献的深入分析，从艺术元素、应用目的以及计算技术等三个角度系统研究了传统中国绘画（TCP）的计算方法，为 TCP 应用和未来发展提供了洞见。
- 面部关键点图用于肌萎缩性侧索硬化症鉴定
通过计算方法分析患者的面部表情来自动识别肌萎缩侧索硬化症（ALS），实验结果表明提出的方法优于现有成果，并为相关领域带来了广阔的发展前景。
- ICML朝自动化设计类 Ribo 开关的方向
利用计算方法设计筛选库，减少筛选候选物的数量，降低成本并提高效率，成功应用于茶碱核糖开关筛选，获得了 30% 更多的高质量候选物。
- 信用分配：发展类人智能代理人的挑战和机遇
本研究使用基于经验决策的认知模型 IBLT 来测试不同的信用分配机制，并发现决策复杂性会影响人类表现，而不影响模型的表现。机器学习方法如 TD 方法和 Q 学习方法在人类能力匹配方面表现不佳，但在最终能够超越人类。IBL 模型在信用分配方面 - 机器学习与消费者数据
数字革命已经导致了人类行为的数字化，出现了众筹和众包等新增的行，这给营销研究和实践者带来了前所未有的机会，但同时也面临着数据过于庞杂和复杂的挑战。为了解决这些问题，开发了计算方法以管理与消费者行为相关的 “大数据” 等技术，特别是机器学习， - 蛋白质图形的神经嵌入
本文提出了一种利用图神经网络和自然语言大模型生成结构和序列感知型蛋白质表示的新框架，并将其与传统的基于结构对齐的方法相比较，证明了该方法在比较蛋白质结构和蛋白质结构分类任务中的优越性能。
- 眼动追踪虚拟现实：方法和隐私挑战的综合调查
该研究综合了 2012 年至 2022 年之间的文献，重点概述了虚拟现实中的眼动追踪技术及其在认证、隐私保护等方面的应用与挑战。针对用户隐私泄露问题，提出了三个研究方向。
- n 维概率密度轮廓分析：nD-PDPA
文中介绍的 PDPA 及其二维和 n 维衍生方法可以更加经济有效地识别未知蛋白质的结构，并且可以利用多种数据类型（包括 RDC 数据）进行多维度量化，以提高结构识别的灵敏度和准确性。
- 在测试语言不常见方面的人工智能性能时，暴露对底层意义的不敏感性
本研究探讨基于计算方法和大数据的人工智能应用中所使用的大型语言模型的语言表现，着重考察语言表现是否由语言知识所导引。结果发现即便是常规语法结构之外的、不太常见的语言结构也可能导致大型语言模型表现出不足的语言能力，暗示这种类型的语言模型实际上 - 基于精细化的选择性相似性整合用于药物靶点相互作用预测
本文提出了一种称为 FGS 的细粒度选择性相似性集成方法，它利用基于局部相似性特征的一致性权重矩阵，以更细的粒度捕捉和利用相似性的重要性，实现了更好的药物 - 靶标互作预测表现。
- 用于抑郁症程度估计的语义相似性模型
本文提出了一个有效的语义管道，基于社交媒体的写作，研究个体的抑郁症严重程度。通过计算方法，利用用户生成的社交媒体内容，本文探讨了不同聚合方法以准确预测用户症状严重程度，并在 Reddit 的两个基准测试中取得了 30％的提高。
- 一个单细胞基因表达语言模型
提出了 Exceiver 模型，使用同一自我监督任务来处理单细胞 RNA 表达数据，学习基因之间的上下文依赖关系，并证明该模型具有迁移学习能力。
- EMNLP音乐的情感个性化反应
通过开发计算化方法，从中国社交音乐平台上的四亿多听众评论中度量音乐情感反应，并测试了影响听众情感反应的各种因素，包括音乐、歌词、情境、人口统计、心理卫生等，最终发现了影响平台用户自披露的因素、社交支持以及披露者用户活跃度上的显著差异。
- 道德基础 Reddit 语料库
本文介绍了一种基于 Moral Foundations Theory 框架的 Moral Foundations Reddit Corpus，该语料库可以用于通过自然语言处理和计算方法提取 8 种品德情感，并提供了基于该语料库的分类结果。
- KDD异质图注意力网络下的药物相互作用预测
本文提出一种基于异质性图卷积神经网络的药物相互作用预测模型 HAN-DDI，该模型能够准确地预测新药物的药物相互作用，较已有模型有较好的表现。
- 可否将编目语言翻译为文献树语言？使用机器翻译进行文献定位
本篇论文介绍了一个新的基于深度学习的方法来进行手稿放置，该方法可扩展至基因组的想法，并以序列到序列的神经网络模型来检索树距离。
- DProQ：一种用于蛋白质复合物结构评估的门控图形转换器
本研究提出了一种新的模型 DProQ，使用带门控机制的图网络结构对蛋白质复合物结构的预测质量进行判定，其在四个新开发的数据集上的表现达到了最先进水平。
- EGR: 三维蛋白质复合物结构的等变图形细化和评估
本文介绍了一种新的 E (3)-equivariant 图神经网络 (EGR)，旨在用于多任务结构细化和评估蛋白质复合物的效果最优，证实其在蛋白质复合物原子精细化和评估方面的效果最好，并针对未来研究进行了简要展示和总结，为大分子细化和结构分 - 使用机械频率和游戏状态轨迹预测人物角色
本研究探讨如何通过玩家游玩记录高效预测玩家人设，使用监督学习和序列学习两种方法实现预测，强调计算科学在定义玩家人设方面的重要性。