- CLERC: 法律案件检索数据集及检索增强分析生成
通过转化一个大型开源法律语料库为数据集,我们构建了 CLERC(Case Law Evaluation Retrieval Corpus)数据集,用于培训和评估智能系统在寻找相关引用和编写支持推理目标的连贯分析方面的能力。我们在 CLERC - 基于人工智能的优化能耗方法综述
能源优化、人工智能、实时监测、智能系统和能源供应是该研究论文的主要关键词和研究领域,并通过对 17 个不同研究方法的评估揭示了它们的优势和局限性,为未来的人工智能与能源消耗优化的整合指明了方向。
- 决策的排序模型:学习、优化、复杂性和计算
研究智能系统以经济合理性解释其行为,其中包括涉及函数或效用的优化原则,最近这一理论已将约束纳入进来,即在满足某些信息处理约束的同时最大化效用。研究智能系统已从热力学工具中受益,本篇论文的目标是澄清这些结果在研究智能系统中的适用性,并改善对排 - 掩码图像建模作为一种跨眼动自监督学习的框架
智能系统通过自我监督学习中的生成模型将复杂的感知输入转化为结构化编码,以获取与任务相关的信息,如物体类别和视觉表征。
- 大型语言模型作为实例化具有特定领域知识的本体的预言机
使用大型语言模型自动填充本体论与领域特定知识,通过查询模板生成实例,从而快速丰富本体论。
- 智能系统安全关键稀有事件的准确概率预测
本研究提出了一种多阶段学习框架以解决罕见事件的数据不平衡问题,并且成功开发了一种在评估智能系统安全性方面具有更高精确度和可靠性的关键性预测模型。
- 基于事件和深度数据的脉冲卷积神经网络手势识别的高效传感器融合
智能系统在我们日常生活中变得越来越重要,需要新的交互方式。本文提出的脉冲卷积神经网络利用事件和深度数据进行手势识别,通过在嵌入式系统上进行离线训练和评估,并使用开源的神经形态计算框架 LAVA 进行模拟。研究结果表明,在深度信息和模态融合中 - 探索高度量化的神经网络用于汽车 CAN 的入侵检测
利用定制量化的多层感知器(CQMLP)作为多类分类建模,可以在控制器区域网络(CAN)消息的正常流量中检测多个攻击,具有非常高的准确性,并且适用于关键 CAN 网络中的 ECU 集成。
- 推进大型多模型:明确的推理链与视觉问题生成
本文介绍了一种通过图像内容和文字指令进行显式推理的新方法,采用大型多模态模型(LMM),并引入了一个能够提问以获取必要知识以增强推理过程鲁棒性和可解释性的系统。实验结果表明我们的方法能够在面对模糊的视觉输入时,朝着更具鲁棒性、准确性和可解释 - 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。
- 闭合系统的系统理论形式化
缺乏系统工程的一些关键基础概念的形式化,其中最近承认的不足之一是系统工程实践对工程智能系统的不足。本文提出在智能系统的系统工程中可以使用封闭系统原则来完成所需的范式转变,然而为了实现这样的转变,需要对封闭系统原则的形式基础进行扩展。封闭性概 - 肝脂肪变性诊断中的混合量子图像分类与联邦学习
使用深度学习技术的成熟度和量子技术的应用,我们提出了一个混合量子神经网络和联邦学习方法来解决非酒精性脂肪肝的图像分类问题,并展示了其在医疗应用中的出色性能和潜力。
- 缓解零碎相关性对基于部分的学习的影响
通过创新的正则化方法,本研究指出基于部件的表征可以通过两种方法变得更易解释且泛化能力更强,其中第一种方法通过唯一的部分混合形式将前景和背景信息的生成过程分开,通过弱监督损失对部分施加结构约束,保证前景和背景的部分混合具有软性、与对象无关的掩 - SPICED: 具有多个主题和复杂级别的新闻相似性检测数据集
利用智能系统检测新闻文章中冗余信息的使用越来越普遍,而新闻媒体的激增为此提供了机会。然而,新闻的异质性可能导致这些系统产生虚假的发现。将新闻相似性数据集按主题分割能提高这些模型的训练效果,但目前缺乏主题特定的数据集。本文提出了一个新的相似新 - Choice-75: 剧本学习中的决策分支数据集
Script learning studies events and proposes the Choice-75 benchmark to predict decisions in descriptive scenarios, highl - CSM-H-R:一种适用于互操作智能系统和隐私保护的自动上下文推理框架
智能系统中,面向规模的高水平背景(HLC)推理的自动化非常重要,提出了一个自动背景推理框架 CSM-H-R,可以动态地组合本体和状态,并通过矩阵计算实现 HLC 的自动识别,以实现智能系统的集成。
- 测试系统智能
讨论了智能系统测试的足够性和实现过程中遇到的问题,并提出了一种替代测试方法,介绍了该方法如何刻画 Turing 测试无法涵盖的人类智能的显著方面。提出了实现替代测试以及验证智能系统属性的框架,并探讨了智能系统验证的内在限制,并建议新的理论基 - 神经网络人工智能中符号的角色:并非你所想的!
提出符号不仅在智能体之间用于外部通信,还可以通过一种自我交流形式在智能体内部用于帮助思考,探讨基于符号和概念的不同神经过程和推理方式,论文为未来的智能系统提供了一种新颖的神经符号假说和可行的架构设计。
- 用户中心设计 (IX):智能时代下的 “用户体验 3.0” 范式框架
该论文提出了一个 “UX 3.0” 范 paradigmework 和相应的用户体验方法系统来改进现有的用户体验方法,为开发智能系统中的用户体验提供方法论支持,包括生态体验,创新体验,AI 支持体验,人 - AI 交互体验和人 - AI 协 - 聚焦、属性和合理化:朝着安全可靠的 AI 迈进
提出了一种名为 FARM 的新型框架,利用外部知识来生成可靠的理由,在安全领域中结合了关键的重要特性,旨在帮助干系人管理其系统的风险,为消费者安全提供具体保障。