- 电力系统中的异常检测与上下文无关学习
提出了一种新颖的上下文感知异常检测算法 GridCAL，它考虑了常规拓扑和负荷 / 发电变化的影响，通过将实时功率流测量值转化为上下文不可知的值，以统一的统计模型为基础进行异常检测。数值模拟结果表明，该方法准确且计算效率高，优于当前最先进的 - 上下文感知的长期数据集视频异常检测
该研究论文提出了一种面向长期监控场景的上下文感知视频异常检测算法 Trinity，该算法适用于拥挤场景，其中个体难以跟踪，异常是由速度、方向或群体运动缺失引起的。通过对上下文、外观和动作之间的对齐质量进行学习，Trinity 使用对齐质量来 - COMET: 使用增量图上下文表示生成提交消息
使用基于图的表示和基于 Transformer 模型的方法，通过捕捉代码更改的上下文来生成高质量的 Commit 消息。通过实验证明，Comet 在 BLEU-NORM 和 METEOR 指标上优于现有技术，并与 GPT 模型相比具有竞争力 - 从 LLM 到对话代理：带有增强记忆的架构和大型语言模型的精细调整
该论文介绍了 RAISE（Reasoning and Acting through Scratchpad and Examples），这是一种增强了 GPT-4 等大型语言模型与对话代理之间整合的先进架构。RAISE 具有双组件记忆系统，与 - 特定环境下的人群
通过在给定场景中融入 2D 姿势和上下文提示，提出了一种用于上下文感知全身生成的新方法 ESP，该方法在现有的 “野外” 照片中实现了真实感人物修复，定量和定性分析表明 ESP 在上下文全身生成的任务上优于现有的方法。
- 基于知识图谱的上下文感知可解释推荐
探索用户偏好相关的富含语义关联的知识图谱，提供能够适应用户环境的推荐系统框架，并在其中包含上下文。
- 上下文感知型特征归属分析
通过论证的方式，提出了一种上下文感知特征归因的框架 CA-FATA，该框架将每个特征作为一个支持、攻击或中立预测的论证，通过论证过程进行特征归因计算，具有明确的语义和可解释性，并且能够整合用户上下文等额外信息以实现更准确的预测。
- 基于图神经网络的上下文感知会话推荐
CARES 是一种基于图神经网络的新型上下文感知会话推荐模型，利用不同类型的会话上下文来捕捉用户兴趣，通过构建一个多关系跨会话图来连接项目，设计个性化项目表示，以及采用标签协作策略生成软用户偏好分布作为标签，在三个基准数据集上的实验结果表明 - 激励预算有限众包感知的海量未知工作者：从离线和在线的角度
通过在上下文空间中进行勘探 - 利用权衡的创新分割方法，我们提出了离线和在线版本的基于上下文感知的组合多臂赌博机激励机制，以在有限的预算下有效激励大规模未知的工作者，并通过严格的理论分析和实验验证了其有效性。
- CAMP：一种上下文感知的板球运动员表现度量
基于数据挖掘和精确的表现情景，我们提出了一种用于量化板球比赛中球员个人贡献度的上下文感知度量方法 CAMP，并通过对 2001 年至 2019 年之间的有限局板球比赛数据的实证评估，证明了 CAMP 在选人、训练和制定策略等方面的优越性。
- CARMA：面向能效传感器融合的上下文感知运行时重配置
提出了一种基于 FPGA 动态重新配置计算流程的上下文感知传感器融合方法 CARMA，实现了多传感器目标检测的高性能和低能耗。
- 上下文感知的神经符号方法用于人类活动识别
本文提出一种基于语义损失函数的神经符号 AI 的方法，用于上下文感知的人体活动识别中，避免了符号推理模块，同时在建立的训练模型中注入了特定知识要求，能够在一些方面超越现有方法，如数据驱动模型，达到或者超过现有的系统识别率。
- 不要断章取义：统一的视觉语言预训练为上下文辅助的图像字幕生成
本文提出了一个基于 context-aware image captioning 的 unified Vision-Language (VL) model，并利用 pretraining 技术解决了 context-independent - CONA：一种基于大型语言模型的上下文感知通信指令范例
CONA 是一个灵活的框架，旨在利用大型语言模型的能力以及结合 DIKW 层次结构自动指导和优化演示内容，提供适应受众群体的上下文感知答案，是知识传播和交流领域中的一项创新工作，可以为日常知识共享场景提供有效支持。
- 上下文感知神经机器翻译中的挑战
这篇论文探讨了上下文感知神经机器翻译的挑战与方法，并提出了一种更逼近真实情境的段落级翻译任务 para2para，同时提供了新的中英小说数据集以促进未来研究。
- 上下文感知图表元素检测
本研究提出一种称作 CACHED 的方法，利用基于上下文信息的局部 - 全局融合模块，将视觉和位置信息编码与 Cascade R-CNN 框架相结合，实现了基本元素检测的目标，具有较强的普适性。该方法可应用于条形图检测任务，并在 PMC 测 - DANES：用于社交和文本上下文感知的假新闻深度神经网络集成架构
本文提出了 DANES，一种适用于社交和文本上下文感知的假新闻检测深度神经网络集成架构。通过使用文本分支和社交分支创建新的网络嵌入，初步消融结果表明，当使用社交和文本内容特征时，精度优于现有技术方案。
- 面向上下文的差分隐私语言建模
本文介绍了 Context-Aware Differentially Private Language Model（CADP-LM）框架，该框架利用上下文定义和审计可能的敏感信息，并采用差分隐私来保护敏感信息和表征隐私泄漏，实现对敏感句子和 - HanoiT: 通过选择性上下文增强上下文感知翻译
本文提出了一种使用层间选择机制来筛选和优化长文档上下文的端到端编码器 - 解码器模型，以改善神经机器翻译的质量。 实验证明，该模型通过软选择机制在四组数据集上明显优于以前的模型。
- 面向异构群集的上下文感知智能控制代理
我们提出了一种设计上下文感知的群体控制智能代理的方法，通过运用群体统计量和行为库选择合适的参数，增加控制代理的情境感知而不损失计算效率，成功地在单一群体和多样化群体中进行群体管理。