- 政府组织中知识管理实施成功的导航：一种二型模糊方法
本研究旨在识别政府机构实施知识管理系统的关键成功和失败因素，结果表明，合作、开放的氛围、员工培训、创新、组织约束的消除、奖励政策、角色建模和专注是政府机构知识管理系统的关键成功因素，而忽视正式性、员工参与、协作技术、网络和硬件基础设施、复杂 - 全面的变分 LSE 求解器库
通过使用噪声中尺度量子设备，变分求解器可以加速大规模线性方程组的求解，本研究提出了可实现现有方法的变分 - 线性系统方程求解器框架，并引入了几个增强措施，其用户友好的界面适用于研究人员在识别和开发端到端应用程序的抽象层面工作。
- 多人游戏中的虚拟行动
本论文首次引入了 Feint 在多人游戏中的形式化、实现和定量评估，通过基于非传递性主动马尔可夫游戏模型的形式化，结合最新的多智能体建模进展（即多智能体强化学习），我们考虑了 Feint 在多人游戏中的实际实施细节，并定量检验了我们设计的有 - 基于分析层次过程和模糊逻辑的两种在线地图匹配算法
本文的目标是开发新的地图匹配算法并改进之前的工作，涵盖了分析层次过程法（AHP）地图匹配和模糊逻辑地图匹配，这些算法中使用 AHP 进行地图匹配的方法是本文新开发的，而使用模糊逻辑进行地图匹配的应用与现有研究基本相同，只有一些小的改变。由于 - RAG 编年史：检索器、切片器与生成器
这篇论文提出了一种在巴西葡萄牙语中实施、优化和评估 RAG 模型的最佳实践，并建立了一个简单的推理和实验流程，通过对第一本《哈利・波特》书中的问题进行回答，提出了一种有效集成检索模型、高效的表示学习和多样化数据等挑战的解决方案，并在检索者的 - 应对数据不确定性的考试时间安排问题的鲁棒性方法
本研究通过分析鲁棒优化方法在考试时间表问题上的应用，讨论了几种可能的实现方式，并通过实例生成框架在真实和随机实例上进行了影响分析。
- 能干的 AI 系统的必要性 —— 概念说明
AI 系统的效率取决于其与给定任务的特定要求的一致性；然而，任务的固有复杂性常常引入潜在的有害影响或不良行为。本研究探讨了 AI 系统中关键的能力概念，即系统应该提供的功能；该概念的表达包括明确定义的结果，但实现这一能力可能会受到实施和测试 - 一种 HCAI 方法论框架：将其付诸实践以促进以人为中心的人工智能
提出以人为中心的人工智能 (HCAI) 方法论框架及其实施的三层方法，从而克服了当前框架中的弱点，并应对实施 HCAI 所面临的挑战，实现 HCAI 的设计、开发和部署。
- 基于人工智能技术的基础设施项目数据驱动风险建模
利用历史数据和人工智能技术，本研究引入了一个数据驱动的框架，以自动识别风险并检查早期风险记录和评估质量。
- 优化 IaC 配置：使用自然启发式计算的案例研究
基于自然启发计算的工具用于解决软件工程问题，介绍了 IaC Optimizer 平台的最终版本，其主要贡献以及实现决策，并展示了一个真实世界的用例。
- 概率依赖图推断
对于离散变量的概率依赖图，提出了一种可行的推理算法，通过将其转化为凸优化问题并应用内点方法来达到多项式时间求解，实现优于基准方法的推理效果。
- 语言建模的形式化方面
大型语言模型的数学基础和实现方法对开发人员和研究人员来说都非常重要。
- PyTorch 上的 VMAF 重新实现：一些实验结果
基于标准的 VMAF 实现，我们提出了一个使用 PyTorch 框架的 VMAF 实现。通过与标准库 VMAF 的比较，我们发现在 VMAF 单位上的差异小于 10^-2。我们研究了使用 VMAF 作为目标函数时的梯度计算，并证明使用该函数 - 大型语言模型用于生成式推荐：调研与前瞻讨论
近年来，大型语言模型在不同领域特别是自然语言处理和计算机视觉中得到广泛应用，推荐系统也出现了这种趋势。这篇综述论文从三个问题的角度探讨了基于大型语言模型的生成式推荐的进展、方法和未来方向：1）什么是生成式推荐，2）为什么推荐系统应该向生成式 - Spresense 上的注视估计
使用 Sony Spresense 微控制器板实现了一个注视估计系统，研究了其在延迟、MAC / 周期和功耗方面的性能。此报告还提供了关于系统架构的见解，包括使用的注视估计模型。此外，演示了系统的功能和性能，我们的轻量级模型 TinyTra - LLM 的高效导向生成
使用正则表达式和上下文无关文法对语言模型的文本生成过程进行高效引导，通过 Outlines 开源 Python 库实现可行的引导生成。
- 生态学家使用机器学习的九个技巧
本文提供了九个实现机器学习模型的技巧，旨在帮助生态学家实现高效的分类问题处理，以提高预测表现和灵活性。
- 应用人工智能于心理健康临床决策支持：我们学到了什么？
本研究介绍了一种基于人工智能 (AI) 的 CDSS (临床决策支持系统) - Aifred Health， 针对重性抑郁症患者的治疗选择和管理，探讨了平衡临床工作流程和鼓励最终用户信赖的实现挑战，同时提出在构建，验证，培训和实施 AI-C - 为负责任人工智能量身定制的需求工程
本文阐述了需求工程（Requirements Engineering，简称 RE）在设计和实现负责任人工智能系统方面的重要性，并指出了研究与实践面临的相关挑战。
- 医学图像分割的深度学习：技巧、挑战和未来方向
通过实验探索介绍了医学图像分割中实现的技巧与相应的 phase（模型预训练、数据预处理、数据增强、模型实现、模型推断和结果后处理），强调技巧对模型性能的影响并构建插拔式组件 MedISeg 仓库，提供全面而实用的医学图像处理指导并解决小数据