- 自然语言处理的保形预测：一项概述调查
快速增长的大型语言模型和自然语言处理（NLP）应用对不确定性量化提出了关键需求，以减轻幻象等风险并提高关键应用中的决策可靠性。条件预测正在成为一个理论上健全且实用的框架，结合了灵活性和强有力的统计保证。它的模型无关性和无分布性质使其特别有希 - IJCAI基于深度学习的点云配准的综合调查与分类
本篇综述调查了基于深度学习的点云配准技术，包括数据集和评估指标，对现有的研究进行了分类，并提出未来研究的挑战和方向。
- 机器学习在健康领域的最新进展、应用和开放挑战：ML4H 2023 研究圆桌会议反思
该研究论文总结了 ML4H 领域顶级研究人员对于机器学习在医疗保健领域的最新进展、应用和面临的挑战，并详细描述了会议中的研究讨论会组织过程和讨论结果。
- 跨领域政策迁移的综合调查和实例研究
通过对现有跨域策略转移方法进行系统审查，我们对每个问题设置的总体见解和设计考虑进行了细致的分类，并对跨域策略转移问题中使用的关键方法进行了高层次讨论。最后，我们总结了当前范式能力之外的开放挑战，并讨论了该领域可能的未来发展方向。
- 一份关于 3D 内容生成的全面调查
人工智能在生成内容领域取得了显著进展，其中 3D 内容生成作为视觉模态之一，面临巨大的知识和技术挑战。本研究回顾了 3D 内容生成技术的发展，并提出了一个新的分类法，详细介绍了三种不同类型的方法。同时，讨论了当前技术的局限性以及未来工作的挑 - TrustLLM：大型语言模型的可信性
介绍了 TrustLLM，这是一个关于 LLM（大型语言模型）信任度的综合研究，包括不同维度的信任度原则、建立的基准、评估和分析主流 LLM 的信任度，以及对开放挑战和未来方向的讨论。
- 多智能体学习中的合作回顾
多智能体学习是一门涉及博弈论、经济学、社会科学和进化生物学等众多学科交叉的主题。本文概述了多智能体学习的基本概念、问题设置和算法，包括增强学习、多智能体序列决策、多智能体合作的挑战，对最近进展进行了全面综述和相关度量评估，并讨论了该领域的开 - 一种人性化安全的机器人强化学习框架，具有交互行为
本文提出人机协作的安全机器强化学习框架，包含安全探索，安全价值对齐，以及安全协作三个阶段，并探讨了机器强化学习中交互行为的四个技术挑战。
- 深度表示学习：基础，视角，应用和开放挑战
本研究论述了机器学习算法在学习过程中的表示问题及应用，并就深度学习模型、框架和关键问题等进行了探讨和分析。
- MM多目标推荐系统：调查与挑战
本文综述了多目标推荐系统的类型和竞争目标，并概述了在此领域的挑战。
- 自监督表示学习：介绍、进展与挑战
介绍了自监督学习的基本概念、方法和应用，探讨了自监督学习在不同数据模态下的表现，包括图像、视频、音频和文本，并讨论了其实用性和存在的问题。
- 排名和推荐中的公平性：概述
本文旨在介绍确保排名和推荐中的公平性所使用的定义、模型和方法的工具包，提供有关这一新颖、迅速发展和有影响力的领域的坚实框架，将相关方法并置并强调未来工作的开放挑战和研究路径。
- 第一阶段检索的语义模型：一份综合回顾
该论文介绍了现代搜索系统中多阶段排名管道的普遍解决方案，阐述了第一阶段检索模型的传统词项模型和语义模型之间的联系，并针对词汇不匹配问题提出了基于语义的解决思路和神经语义检索技术所带来的机遇和挑战。
- 朝着符合实验观测的经验力场
本文综述了基于分子动力学模拟和溶液实验数据的生物分子力场方法，讨论了该方法的机器学习相关问题和挑战。
- 分子模拟的机器学习
介绍了机器学习在分子模拟及预测量子力学能量与力学、粗粒化分子动力学、提取自由能面和生成网络方法等应用方面的研究进展，同时探讨了在此领域中的一些挑战。
- 机器学习中的方向统计学：简述
本研究讨论了数据分析师需要应对各种形式的编码数据，并重点关注编码为标准化向量的数据，评估了常见的机器学习模型及技术方案，并概述了一些应用领域和数学挑战。