- 模型是否自我解释：自然语言解释的反事实仿真性
本篇论文中，我们提出了一种新的自然语言解释评估方法 —— 反事实模拟性。实验结果显示，当前大型语言模型 (LLMs) 的解释精度相对较低，精度与可信度相关性也不高。因此，单纯依赖人类评判可能不足以解决问题。
- 基于多任务学习的物联网故障检测与分类
本文针对实际 IIoT 应用开发故障检测和分类系统进行了全面调查，通过使用真实的 IIoT 系统进行模拟 11 个预定义的故障类别的三个数据收集阶段，提出 SMTCNN 用于检测和分类，其检测精度，召回率和 F1 得分均显著优于现有技术 - 学习无效数据：生成模型中的约束满足问题
通过提出一种新的训练机制来提高生成模型的精度，该机制利用了约束违规的数据扩展了标准模型的数据集，我们的方法使生成分布与有效先验之间的差异最小化，同时最大化与无效分布之间的差异。
- ICML高维生成模型保真度与多样性的测量中，精度和召回率的不对称性
本文发现了在高维情况下，利用 k 近邻的默认方法评价生成模型的准确率和召回率存在的严重缺陷，并提出对称度更高的新指标来解决该问题。
- FoSp: 早期烟雾分割的聚焦与分离网络
提出了一种基于 Focus 和 Separation Network（FoSp）的早期烟雾分割方法，通过引入双向级联的 Focus 模块来定位和确定雾霾的范围，使用 Separation 模块将雾霾图像分离成纯雾霾前景和无烟雾背景，提高了分 - 硬件感知训练技术对于提高 TiO2 ReRAM 被动交叉阵列 Ex-Situ 神经网络迁移的鲁棒性的影响
采用退火和正则方法训练硬件感知型神经网络作为垂直交叉阵列的一种解决方案。
- PMC-LLaMA：在医学论文中进一步微调 LLaMA
介绍了 PMC-LLaMA, 一种在 4.8 百万篇生物医学论文上 fine-tuning 得到的语言模型，用于注入医学知识，提高在医学领域的性能，经过初步试验后在生物医学数据集上表现出更好的理解生物医学特定概念，在 QA 基准上表现出高性 - 使用特征对应分析的高保真零样本纹理异常定位
提出了一种基于 1 维 Wasserstein 距离的零样本异常定位方法，通过汇总像素对所有附近补丁的误差贡献，可以更精确地定位纹理中的异常区域，并在多个数据集上验证了该方法，零样本背景下在 MVTec AD 数据集上的错误率降低超过 40 - 利用气候资源增强大型语言模型
本研究基于最新的想法，将大型语言模型视为能够访问多个包含有关组织，机构和公司的最新和精确信息的代理。研究通过生成一个原型代理来演示了该方法的有效性，该代理可以从 ClimateWatch 检索排放数据并利用 Google 搜索。通过将这些资 - 针对文本文档的高精度信息提取的人机协作优化
本文研究信息提取方法，提出利用人工验证的弱监督标记方法，结合人工与计算机快速处理，以实现在精度要求高的情境下避免纯手工提取耗时过长的难题，并在犯罪司法数据集上实证其优越性。
- ACL爬取语言模型的内部知识库
从语言模型中提取出的事实知识，通过提出的一种 `爬网` 方法，形成了知识图谱，并证明该方法达到了高精度（82-92%），同时每个实体形成的事实数量也是合理的。
- 16 位浮点纯神经网络的潜在能量
通过实验与理论分析，本文研究了纯 16 位神经网络在分类任务中的性能与效率，发现其在一定情况下可以取得比 32 位神经网络更好的结果。
- 重新思考三维物体检测的体素化和分类
该论文提出了一种解决方案，通过实现快速动态体素化器，以便在快速基于柱体模型中像体素化器在缓慢的基于体素模型中工作一样工作，实现网络推理速度和精度的提高。此外，作者还提出了轻型检测子头模型来分类预测的物体，并过滤出虚假的检测物体，从而显著提高 - ECCV抽象图像在反向图像搜索引擎中具有不同的检索能力水平
本文评估常见反向图像搜索引擎在发现技术文档中抽象图像方面的表现，发现自然图像上，Yandex 表现更好，在搜索包含特定图像的页面时，Google 和 Yandex 的精度得分约为 0.8191 至 0.8297，且在这两种情况下，Googl - ICMLMCTensor：一种带有多组分浮点的高精度深度学习库
本文介绍了 MCTensor，这是基于 PyTorch 的库，提供 DL 训练的通用和高精度算术，在相同的 PyTorch Tensor 方式下，我们实现了多个基本的矩阵级计算运算符和 NN 模块，我们评估了 MCTensor 算术与 Py - KDD时序异常检测算法的本地评估
本文提出了一种基于 affiliation 概念的、能够解决经典精确度和召回率不足的时间序列异常检测算法的评估指标扩展方案，该指标基于地面真相和预测集之间的联系，并使用持续时间测量。实验结果表明，该扩展方案有效，可用于评估算法结果，并保持本 - tmVar 3.0：一种改进的变异体概念识别和归一化工具
本文介绍了改进的变异识别和标准化工具 tmVar 3.0，可识别文章中广泛的变异相关实体，提供更多的变异标准化选项，并取得了超过 90％的识别和标准化精度。
- E - 图上的抽象解释
本文研究在 e-graph 应用中运用抽象解释技术，在 e-graph 中对于抽象域的 meet 操作具有自然的解释。通过采用区间算术作为示例，可以提高对分析精度的控制。
- ACL基于常识 Transformer 的物化知识库
本文回顾了由 Bosselut 等人（2019）提出的 COMET 方法，并探讨了利用预训练的语言模型直接生成通识知识的可能性。通过创建物化资源，本文分析了此方法的潜在精度和召回率，并确定了常见问题案例，并提供了物化资源可能实现的用例。本文 - AAAI生物句间关系抽取的神经结构
本文介绍了一种基于深度学习的跨句子关系抽取模型，以生物医学领域中的生化事件为例，探讨如何自动给生化事件赋予其所处的生物体系背景，并提出了两种不同的神经网络模型分类器，结果表明，该模型精度比传统机器学习模型更高，特别是在跨句子关系抽取方面的难