- 工业人工智能系统中的数据问题：元综述与研究策略
在工业化 4.0 时代，人工智能（AI）在工业系统中扮演着越来越重要的角色。然而，实际的 AI 应用并没有像人们所认为的那样发展得那么成熟，其中一个主要原因是 AI 实施中的数据问题。为了解决这些数据问题，首先需要明确这些问题。因此，这项研 - 多模态大型语言模型的数据中心视角调查
本综述以数据为中心的视角全面回顾多模态大型语言模型的文献，探索了在多模态数据准备、预训练和适应阶段的方法，分析了数据集的评估方法和评估多模态大型语言模型的基准。此外，本综述还概述了未来的研究方向，以便为研究人员提供对多模态大型语言模型的数据 - 垂直联邦学习的效果、安全性、适用性调查
纵向联邦学习是一种隐私保护的分布式学习范式，不泄露私密数据的情况下，不同参与方通过使用共享样本的分区特征协同学习模型。本文对纵向联邦学习的最新发展进行了系统概述，并提出了几个关键的未来研究方向，以促进该领域的发展。
- 图结构化数据中的异常检测：一项调查
综述了基于图数据的异常检测技术，包括应用领域、假设和技术分类、改进方法的基本研究思路以及现有技术的优缺点，最后探讨了基于图结构数据的异常检测领域的未来研究方向。
- 传统到 Transformer：高光谱图像分类的当前趋势与未来前景调查
高光谱图像分类是一项具有挑战性的任务，该研究综述了当前深度学习模型和转换器在高光谱图像分类领域的最新趋势和未来发展前景，并提供了关键概念、方法学以及深度学习和转换器在高光谱图像分类中的最新方法。同时，还通过应用三个高光谱数据集进行了全面的实 - 大语言模型的高效推论综述
大规模语言模型的有效推理需要克服模型规模大、注意力操作复杂度高、自回归解码等问题，本文对提高大规模语言模型推理效率的现有技术文献进行了综述，介绍了数据层、模型层和系统层优化的方法，并通过实验进行了定量分析，最后总结了相关知识，并探讨了未来研 - LLM 作为主脑：大型语言模型的战略推理综述
本文综述了大规模语言模型（LLMs）在战略推理中的当前状况和机遇，战略推理是一种复杂的推理形式，需要理解和预测多智能体环境中对手行为并相应调整策略。本文探讨了与 LLMs 相关的战略推理的范围、应用、方法论和评估指标，强调了该领域蓬勃发展和 - 从手工特征到 LLMs：机器翻译质量估计的简要调查
机器翻译质量评估（MTQE）是实时估计机器翻译文本质量的任务，不需要参考翻译，对机器翻译的发展非常重要。本文综述了质量评估数据集、标注方法、共享任务、方法学、挑战和未来研究方向。
- 大型多模态代理：综述
大型语言模型在多媒体领域的研究和发展方向的全面回顾，介绍了大型多媒体代理的开发要素和分类，评估方法的编制以及未来研究方向的提出。
- 人工智能与空气 - 地面 - 空间综合网络的相互作用：一项调查
通过综述 AI 在六代无线网络中的应用，全面介绍了 AI 在空中地一体化网络中的潜在应用、AI 使用中存在的问题以及空中地一体化网络在 AI 发展中的贡献，并强调了现有研究的局限性和未来的研究方向。
- 完全去中心化的合作多智能体强化学习：调查
该论文系统地回顾了两种全面分散设置下的全面分散方法，即最大化所有代理的共享奖励和最大化所有代理的个人奖励之和，并讨论了未来研究方向。
- 确定性人体运动预测的最新进展：综述
本研究论文介绍了人体动作预测技术在人机交互、自动驾驶、运动分析和人员跟踪等各个领域的重要性，并深入讨论了该领域的常见模型架构的优势和劣势，总结了最近的研究创新，并提供了现有方法、常用数据集和评估指标的综合概述。此外，还讨论了该领域当前的一些 - 重塑语音：基于深度学习的声音转换的范围性综述
本文通过一项全面综述，探讨了现代语音转换系统中深度学习在语音分析、合成和分离语音表示学习中的应用，总结了基于深度学习的语音转换中最常用的方法，并突出了社区内的常见陷阱。最后，本文总结了所获得的知识，确定了主要挑战，并提出了未来研究方向的建议 - 基于图像的虚拟试穿研究
通过对管道架构、人物表示、关键模块和语义标准的综合分析，本文提供了最新技术和方法论在基于图像的人物试穿领域的全面调研，评估了不同方法，并展示了大规模模型在图像试穿任务上的未来潜力，并揭示了未解决的问题和未来研究方向。
- 基于模型驱动的机器学习组件工程：一项系统性文献综述
这项系统文献综述研究了 MDE 和机器学习（MDE4ML）交叉领域，分析了现有的研究动机、MDE 解决方案、评估技术、关键优势和局限性，并提供了未来研究的建议。
- 多文档摘要：一项比较评估
本研究通过对不同领域不同类型数据集上的最新多文档摘要模型进行评估，探究现有模型的局限性，为未来研究方向提供参考。研究发现，在 MS2 数据集中，通用预训练模型 LED 的表现优于 PRIMERA 和 PEGASUS 模型。本研究以 ROUG - 医学影像配准的深度学习：介绍与调查
图像配准是一种将图像变形以使其与参考空间对齐的过程，以便医学从业者可以在标准化的参考框架中检查各种医学图像，如具有相同的旋转和比例。本文介绍了使用简单的数字示例进行图像配准的过程，并提供了图像配准的定义以及空间定向象征性表示。同时，探讨了不 - 移动相机下动态场景视频异常检测综述
通过对 MC-VAD 相关研究论文的批判性评估和挑战性方面的重点突出，该综述总结了 MC-VAD 的主要研究领域，并提出了对应的数据集类型、异常检测方法和未来研究方向，为研究人员和从业者在 MC-VAD 领域的发展提供了有价值的参考。
- 医学影像领域中的无监督域适应深度学习：最近的进展与未来展望
深度学习在医学影像中取得了显著的性能，但主要关注有监督学习。为了解决这些问题，已经开发了无监督领域自适应技术，用于从一个有标签的领域转移知识到一个相关但无标签的领域。本文从技术角度对医学影像中最新的深度无监督领域自适应方法进行了综述，并将其 - 图神经网络加速综述：算法、系统和定制硬件
本次调查报告提供了图神经网络加速的分类法，并回顾了现有方法，并提出了未来的研究方向，以便统一视图和解决相关工作的复杂性。