- 实体和事件级概念化在可推广推理中的作用:任务、方法、应用及未来方向综述
本研究综述了 150 + 篇论文,对概念化的定义、执行、应用以及相关的资源方法和下游应用进行了综合分类,特别关注实体和事件层面,在此基础上,我们揭示了该领域的未来发展方向,并希望得到社区更多的关注。
- 朝双向人工智能对齐迈进:澄清、框架和未来发展的系统综述
近期的人工智能的普适性进展凸显出引导人工智能系统走向个人和群体的目标、道德原则和价值观的重要性,这被广泛称为对齐。然而,人工智能和哲学领域对于人工智能和人类对齐的定义和范围尚未被明确界定,而且这个问题的长期互动和动态变化也基本被忽视。为了填 - 基于机器学习的材料缺陷检测的全面调查:挑战、解决方案和未来展望
材料缺陷 (MD) 是影响产品性能并引起相关产品安全问题的主要挑战,通过机器学习 (ML) 技术在材料缺陷检测 (MDD) 中,围绕非监督学习、监督学习、半监督学习、强化学习和生成学习五个类别系统地调查了主要原理和技术,并聚焦于复合材料的缺 - CVPR失落的旋律:从叙事视角的文本到视频生成的实证观察
本文从故事讲述的角度对文本到视频生成进行了研究,指出了当前文本到视频生成方案的局限性,并提出了一个用于视频故事方面的评估框架,并讨论了未来的发展方向。
- 模仿学习:学习方法、环境和评估方法综述
模仿学习的文献内容进行了系统回顾,通过引入新的分类法对模仿学习技术、环境和度量进行了分类,反思了文献中的主要问题,并提出了研究者面临的挑战和未来发展方向。
- 推进医疗保健的基础模型:挑战、机遇和未来发展方向
基于现有数据进行预训练的基础模型在促进医疗卫生事业中发挥着积极作用,它打破了有限人工智能模型与多样化医疗实践之间的矛盾,提供了更广泛的医疗场景,从而改善智能医疗服务。本文对基础模型的挑战、机遇和未来发展方向进行了全面深入的调研和探讨,以期加 - 基于大型语言模型增强强化学习的调研:概念,分类和方法
大规模语言模型在增强学习中具有广泛的预训练知识和高水平的通用能力,本文对现有文献进行了综述,概括了大规模语言模型增强学习与传统增强学习方法的特点,并提出了一个结构化的分类法来系统地分类大规模语言模型在增强学习中的功能和方法,并讨论了其潜在应 - 3D 密集字幕的全面调查:定位和描述 3D 场景中的物体
3D 密集的图像描述是一个新兴的视觉 - 语言桥接任务,旨在为 3D 场景生成多个详细准确的描述。本文提供了一份综合性的 3D 密集图像描述综述,涵盖了任务定义、架构分类、数据集分析、评估指标和深入的繁荣讨论。通过综合以前的文献,我们提炼了 - 数据到文本自然语言生成的系统性综述
系统综述研究数据到文本生成的现状,包括研究空白、未来方向、挑战以及对应措施,并提供了这个快速发展领域中未来研究的路线图。
- 大语言模型推理中的效率增强:专门解码的综合调查
通过提出实例、讨论关键方面,总结了 Speculative Decoding 的定义、技术、挑战和未来方向,以加速 LLM 推理过程。
- 医疗视觉语言预训练:综述
医疗视觉语言预训练透过自监督学习的方式利用图像和文本数据集,为医学领域稀缺的标注数据提供了解决方案。该文回顾了医疗视觉语言预训练的不同目标、架构、评估任务和数据集,并探讨了现有挑战及未来发展方向。
- 代码语言模型综述
系统综述了代码处理与语言模型的最新进展,包括 50 + 种模型,30 + 项评估任务和 500 多个相关研究。分析了通用语言模型(如 GPT 系列)和专门针对代码进行预训练的模型之间的关系和区别,并强调了代码建模从统计模型和 RNN 到预训 - 基于深度学习的三维点云分类:系统调查与展望
该论文介绍了点云的获取、特点和挑战,回顾了点云分类的 3D 数据表示、存储格式和常用数据集,总结了基于深度学习的点云分类方法,并对最新研究进展进行了补充,对主要方法的性能进行了比较和分析,并讨论了点云分类面临的一些挑战和未来方向。
- 深度学习中的数据优化:一项调查
通过对现有文献中的数据优化方法进行分类整理和建立联系,本研究旨在构建一个全面的深度学习数据优化方法分类体系,并探索未来的研究方向。
- 移动增强现实深度估计:挑战与前景 -- 扩展版
本文对移动增强现实中的度量深度估计进行了研究,探讨了硬件、数据和模型相关的挑战,并提出了利用移动设备相机和其他可用传感器的更多硬件相关信息、捕捉高质量数据以反映真实世界增强现实场景,以及设计模型架构来利用新信息等有希望的未来方向。
- EMNLP大型语言模型如何捕捉不断变化的世界知识?近期进展综述
对大型语言模型(LLMs)与不断变化的世界知识进行对齐的最新进展进行了全面回顾,分类研究作品并提供深入比较和讨论,同时讨论现有挑战并突出未来的研究方向。
- 生成智能驱动的叙事:营销的新时代
通过借鉴谷歌、Netflix 和 Stitch Fix 等行业领导者的真实案例,本文研究了生成式人工智能驱动的叙事在营销领域中的转型力量,介绍了这项技术如何塑造营销策略,个性化消费者体验,并探讨了未来的发展方向和建议,包括实时个性化叙事、沉 - 解码 ChatGPT:现有研究的分类、当前挑战和可能的未来方向
ChatGPT 的综述文章回顾了 100 多个 Scopus 索引的 ChatGPT 研究文章,探索其应用领域,并提出了问题、挑战和未来研究方向。
- 遥感中的多模态物体检测
本文比较了多模式遥感下物体检测的方法,调查了适合评估的多模式数据集并讨论了未来方向。
- 针对图神经网络的限制进行解决
该报告总结了图卷积网络(GCNs)中的过度平滑和异质性挑战,并概述了未来的研究方向。