- 科学界的 AI Oracle 的夙愿
通过与科学和人工智能哲学的见解，我们提出了创造革命性数学理论的机制所需的条件，并借鉴人工智能的最新进展，认为机器满足这些条件可能是合理的。我们还提出了数学理论的可理解性的启发式定义，以加速机器理论家的发展。
- 脑启发和自我基础的人工智能
这篇论文提出了一种基于大脑和自我概念的人工智能 (BriSe AI) 范式，强调自我在塑造未来人工智能中的关键作用，通过自我感知、自体建模、自主交互、社交互动和概念理解等多层次的自我层次框架，增强了 BriSe AI 对信息的有意识理解和对 - AI 是否能像人类一样写古代汉诗？基于图灵测试的实证研究
本文通过研究一项重要问题，提出了 ProFTAP 评估框架，将其应用于目前的大型语言模型（LLMs）并发现最新的 LLMs 确实具备了与人类几乎无法区分的写作古典汉诗的能力，同时揭示多个开源 LLMs 能够胜过 GPT-4 在这一任务上。
- 使人工智能更易解释的不同方法学综述
人们对越来越多的决策由机器完成的需求增加，但黑盒模型的决策推理令人不解，因此需要关注决策推理的清晰度与可解释性，以及如何扩展到反事实思考。
- PronounFlow：一种用于校准句子中代词的混合方法
通过实施一种神经符号系统，利用最佳的两个领域，我们正在使用 PronounFlow 这一系统来读取任何英文句子中的代词和实体，确定它们之间是否有联系，并提供使用哪些代词以避免偏见的建议。实验表明，PronounFlow 不仅根据我们周围的人 - ICCVCHORUS: 学习从无限合成图像中的规范化三维人体 - 物体空间关系
我们提出了一种教导机器以自监督方式理解并建模多种 3D 人物 - 物体相互作用的基础空间常识的方法。我们利用生成模型生成高质量的 2D 图像，并展示了这些合成图像足以学习 3D 人物 - 物体之间的空间关系。
- VVC+M: 人机插拔式可扩展图像编码
提出了一种利用视频编解码器中的残差编码能力创建可扩展编解码器的方法，这种方法能够提高现有的可扩展编解码器在机器任务方面的 RD 性能，同时在人类感知方面保持竞争性。
- 为基于理解语境的语言模型收集交互式多模态数据集
本文介绍了利用自然语言任务进行协作的实体代理模型，发展出了可扩展的数据收集工具，并采集了互动立足语言理解的第一个数据集，以便进一步研究机器模拟人类智能适应新任务与环境的能力。
- SignalKG: 推理感知设备观测背后的根本原因
本文展示了知识图谱对机器推理关于传感器观察到的信号原因的影响，表明构建更加智能的监控系统的方法允许推理信号的最有可能的原因来代替不考虑信号来源而直接采取行动的方法。
- AAAI元图灵测试
我们提出了一种替代图灵测试的方法，通过使双方的人类和机器都参与评判从而消除原始模仿游戏中人与机器之间的固有不对称性，并且建议了一些改进来提高这种测试的鲁棒性。
- 分布式随机凸优化的极小 - 极大复杂度及间歇通信
研究分布式随机凸优化的最小最大复杂度，在间歇通信设置下提出了一种新的下限和上限算法，以确定最佳算法。
- 人类 vs. 监督机器学习：谁更快学习模式？
研究比较有限的学习数据时，监督学习算法和人类的学习能力的表现差异，并发现在任务的基础模式上，机器的表现差异较大，但机器需要更多的训练实例才能达到与或甚至胜过人类的水平。
- CVPR朝向社会人工智能：在三元互动中预测非语言社交信号
本研究提出一种社交信号预测问题及数据集，通过数据驱动的方法对互动个体之间交换的社交信号动态进行建模，为机器赋予与人类交流的能力，称为社交人工智能，通过一个三方社交互动场景的 3D 运动捕捉数据集，提出预测互动个体的语言状态、社交形态和身体姿 - MM构建像大脑一样适应和计算的机器
构建像人类一样学习和思考的机器不仅对认知科学至关重要，而且对于计算神经科学也是如此，其最终目标是理解认知如何在生物大脑中实现。新的认知计算神经科学应该建立认知级和神经级模型，理解它们的关系，并使用大脑和行为数据测试两种模型。
- MM影像与信息
本文简要概述了什么是图片和其中的信息，并探讨了机器有效地检索图像信息的问题。
- 统一蒸馏与特权信息
本文介绍了一种被称为 generalized distillation 的机器学习框架，它将蒸馏和特权信息这两种技术统一起来，可以让机器从其他机器中学习，本文从理论和实践上探讨了该框架的内部机制，并将其扩展到无监督、半监督和多任务学习场景中