- 人工智能驱动世界中的软件工程未来
软件工程领域正在经历一场范式转变,人工智能系统如 LLMs 日益重要,提高软件开发生产力,未来五年,人类开发者与人工智能之间将会有日益增长的共生伙伴关系,软件工程研究社区必须重视这一趋势,我们需要解决将人工智能融入软件开发过程带来的关键研究 - 缩放终身多智能体路径规划到更现实的环境中:研究挑战与机遇
多智能体路径规划是将多个智能体从起点移动到目标点而无碰撞的问题,终身智能体路径规划通过不断为智能体分配新目标进一步扩展了多智能体路径规划。本文概述了三个主要的研究挑战,包括寻找在有限的规划时间内(例如,每步 1 秒)为大量智能体(例如,10 - 机器学习中的虚假相关性:一项调查
机器学习系统对输入的偏倚特征(例如背景、纹理和次要对象)与相应标签之间的虚假相关性非常敏感。本综述提供了对该问题的全面回顾,以及现有最先进方法的分类体系,用于解决机器学习模型中的虚假相关性。此外,我们总结了现有的数据集、标杆和度量方法,以帮 - 关于现实生活和计算中的向前看的注释
通过对未来信息的预测和处理提前生成输出,Look-Ahead(LA)在实际中具有重要作用。本文介绍了三种实践中使用的算法框架,包括线下、线上和半在线方法,并提出了基于文献综述的 LA 分类。此外,本文还识别和提出了未来潜在研究方向中的许多有 - 通过基于 AI 的反应系统解决网络攻击问题:综述与未来展望
综述了人工智能在网络安全中应对威胁系统的最新进展,提供了对人工智能与网络安全交叉领域的全面分析,指出了未来研究的挑战。
- 探索内容:对搜索驱动的视频游戏程序化内容生成的调查
视频游戏需求不断增长,需大量内容的昂贵制作。研究人员开发了基于搜索的程式化内容生成(SBPCG),即通过搜索算法进行(半)自动化创作内容。我们调查了现有 SBPCG 的状况,报告了 2011 年至 2022 年该领域出现的工作,并确定了开放 - 机器人系统的智能逃逸:方法、应用和挑战综述
智能逃生是一个跨学科领域,利用人工智能(AI)技术使机器人能够智能地应对动态、复杂和不可预测的危险情景。本文对智能逃生的最新研究工作进行了全面调查,综述了四种主要的智能逃生方法,并总结了现有方法的优点和局限性。此外,还讨论了智能逃生在搜救、 - 通过 LLMs 重新思考互联网通信:我们有多接近?
通过研究基于大型语言模型的通信架构,本文重新思考了用户在互联网上的直接通信方式,并讨论了技术实现的现实性、未来研究方向以及相关的研究挑战。
- 混合经典量子计算:我们是否忽略了二项式中的经典部分?
量子计算与混合化方案在现实应用中面临的困难和挑战的分类及研究问题探讨。
- 异构联邦学习:现状与研究挑战
通过对异构联邦学习中的研究挑战和最新方法的概述,提出了一种新的现有方法分类法,并讨论了异构联邦学习的关键和具有潜力的未来研究方向。
- CVPR自我中心的文本 - 视频检索挑战概述
讨论了在文本 - 视频检索中不同来源导致的偏差,特别是帧长度偏差,并提出了一种简单方法来解决这种偏差,并得到了可喜的增长,最后提出了未来研究的方向。
- 使用人工智能进行交通预测:近期进展和新机遇综述
该研究论文主要介绍了交通预测的重要性和如何通过应用新兴技术以及人工智能等方法来改善交通预测。同时,该论文还着重总结了多元交通时间序列建模的数据预处理方法以及未来研究的主要挑战。
- IJCAI使用增强型 AI 系统和 3D 数字孪生体重新构思低资源非洲地区的健康和福祉
本研究探讨和研究了人工智能和数字孪生技术在非洲低资源国家健康与福祉方面的潜力和相关性,并提出了增强型人工智能系统架构,同时强调科学知识的发现、不断的学习、实用级别互操作性和互动解释与决策是人工智能系统和数字孪生的重要研究挑战。
- 反事实解释的多样性实现:综述和讨论
本文综述了可解释人工智能(XAI)领域中的对抗事实例,这些例子通过指示对实例进行的修改来解释训练决策模型的预测,以改变其相关预测。同时,本文探讨了可解释人工智能中多元对抗事实例的概念定义,讨论了它们的基本原理以及它们依赖的用户需求的假设,并 - 非结构化数据与结构化数据:大语言模型能否两全其美?
本文讨论了利用大型语言模型查询结构化和非结构化数据的潜力,并概述了构建这两种数据类型问答系统的相关研究挑战。
- O-RAN 架构中的无细胞 mMIMO 支持:5G 及其未来网络的物理层视角
介绍 O-RAN 模式及其在 cell-free 网络中的应用,探讨了 O-RAN 创新和研究挑战。
- 协作人工智能的层级框架
我们提出了一个针对协同智能系统的分层框架,运用机器学习辅助,针对交互活动和信息共享的不同层次和挑战,包括传统工程方法和现代机器学习方法,最后探讨了沟通和理解共享、解释和社会协同等问题,总结出未来的研究挑战和为人类社会带来的经济和社会影响。
- 面向语言驱动的科学人工智能
基于 AI 在自然语言理解和生成方面的革命性进展,我们设计了能够解决复杂科学任务的 AI 系统,并将自然语言作为 AI 与人类科学家之间的核心表示、推理和交换格式。本文旨在探讨实现这一愿景所面临的主要研究挑战。
- 操作和同伴机制:一份调查
该研究调查了防止同行机制中操纵的方法,并指出了几个重要的研究挑战。
- 目标:朝着少样本体育比赛摘要基准测试的方向
本文发布了第一个英文版的体育比赛摘要数据集 GOAL,其中包含了 103 组评论 - 新闻对和 2160 个未标记的评论文档,并基于该数据集建立和评估了几种基线模型,包括抽取式和生成式模型。实验结果表明该任务仍然具有挑战性,并且希望该工作能