- 基于分类的自适应分割流水线:多囊肝和结直肠癌 CT 图像转移的可行性研究
通过使用深度学习分类器将图像自动分类并将其路由到适当的分割模型,本研究旨在探索构建一个工作流的可行性,以高效地处理不同病理图像。我们希望通过我们的工作流能够准确地分割具有不同病理学的图像。我们的自适应分割工作流在总肝脏分割任务上与通用单一分 - 大型语言模型用于假新闻检测
在当前数字化时代,社交平台上虚假信息的快速传播对社会福祉、公众信任和民主进程产生了重大挑战,影响着重要决策和公众舆论。为了应对这些挑战,自动化的虚假新闻检测机制的需求日益增长。本研究引入了 FactAgent,一种以主体性方式利用大型语言模 - 网络大型语言模型:工作流程、进展与挑战
通过回顾现有工作,我们按类别介绍了应用语言模型于网络领域的突出成果,并详细解释它们在工作流程的不同阶段的操作方式。此外,我们深入探讨了遇到的挑战,讨论了潜在解决方案,并勾勒了未来的研究前景。我们希望这份调查能为研究人员和实践者提供洞见,推动 - Gen4DS: 生成型人工智能时代的数据叙事研讨会
数字化时代的人类通过数据讲故事,生成 AI 带来了新的机遇和挑战,该研究旨在探讨生成 AI 在数据讲故事中的作用、工作流程的变化以及整合 AI 的风险和陷阱。
- 多步对话工作流行为预测
在任务导向对话中,我们提出了多步骤工作流动作预测的新问题,系统需要根据一套指导方针遵循一个流程来完成任务。我们提出了三种简单易实现且可以实现更多自动化操作的建模方法,并证明多步骤动作预测能够提高下游对话任务的准确性,可以在不需要人为监督的情 - PromptInfuser: 紧密耦合人工智能与 UI 设计如何影响设计师的工作流程
通过比较 PromptInfuser 和设计师当前的 AI 原型化工作流程,我们研究了联结提示和 UI 设计如何影响设计师的工作流程,发现 PromptInfuser 比当前工作流程更有用,更能产生逼真的原型,更高效,更有帮助于预测 UI - 使用定性访谈改进 LML 编写用户画像的指引和流程:捕捉用户的行为和人格特征
使用大型语言模型创建用户人物画像的工作流程,利用定性访谈的主题分析结果,提出了一个改进的提示和更大的主题池,以及对用户人物创建的工作流程进行了改进和反思,同时讨论了 LMM 捕捉用户行为和个性特征的能力。
- 喷泉:一种融合知识表示和语言模型的智能上下文助手用于制造业风险识别
在制造过程中,通过 Fountain 作为一个上下文助手,结合领域特定语义相似性的语言模型和基于物料清单、故障模式与影响分析和客户报告的属性图知识表示,选择和调整预训练模型,并利用用户交互更新模型,从而实现早期识别风险、提供解释性建议以及可 - AlpacaFarm:从人类反馈中学习的方法的仿真框架
本文介绍 AlpacaFarm,一个低成本的模拟器,旨在帮助研究人员开发和了解从反馈学习的复杂工作流程。经过验证,AlpacaFarm 提供的人工反馈模拟与真实人类反馈具有高度一致性,且利用其提供的多种学习方法(如 PPO)可以取得较大的学 - 低代码 LLM: 基于 LLMs 的可视化编程
本文介绍了一种新的人 - LLM 交互框架:Low-code LLM,它包括六种类型的简单低代码视觉编程交互,通过图形用户界面的视觉交互,用户可以在不编写琐碎的提示的情况下将其想法纳入工作流程,并且具有可控的生成结果、用户友好的人 - LL - AI 不能成为数据工作者的万灵药吗?关于人工智能与数据叙事协作的访谈研究
研究了 18 位数据工作者对人工智能在数据叙事中协作的需求和偏好,发现他们对与人工智能协作持有兴奋态度,但也表达了一些疑虑和原因。研究还总结了数据叙事工作流中的任务阶段和期望人工智能的角色,并提出了建议,以促进未来相关研究。
- 超越重复:探索和预测问题追踪系统中的链接类型
研究了 JIRA 中连接问题的各种类型链接,将其分为五类,并发现了不同类型链接的特点和趋势,最后运用现有的深度学习方法,发现这种方法在识别重复链接时存在问题,并提出了解决方法。
- ACLZS4IE: 零样本信息提取工具箱及简单语言描述
介绍了一种新的信息提取工作流程,流程中分析员直接口述感兴趣的实体 / 关系,然后使用文本蕴涵模型进行零 - shot 信息提取,系统使用用户界面实现,并在四个信息提取任务上进行实验,只需每种类型 5-15 分钟的用户工作即可实现零 - sh - 云计算服务的时序工作流语义
本文提出了一种基于语义模型的时间序列建模工作流定义及描述方法,旨在为云计算环境下的时间序列分类、回归或聚类等问题提供服务和解决方案。
- MM自动化重建荷兰全部 1000 万栋房屋的 LoD2 和 LoD1 模型
本文介绍了基于 2D 建筑多边形和 LiDAR 点云自动重建 3D 建筑模型的工作流程,该工作流程生成不同层次细节(LoDs)的模型,并监控数据质量以满足不同应用的数据需求。
- ICML可解释机器学习:从神话到诊断
本文综合了关于可解释机器学习(IML)方法和评估的基础研究,提出了可操作的分类法,并提出了一个三步骤的工作流程,以更好地使研究人员和客户合作,发现哪些方法对什么用例有用。同时,作者通过在分类法结果的基础上进行进一步研究,更好地满足客户对相关 - 部署机器学习的挑战:案例研究调查
该论文调查了部署机器学习模型在实际业务系统中可能遇到的挑战和关注点,并将这些挑战与机器学习部署工作流程的各个阶段对应起来,以期为解决这些挑战探索新的方法和研究方向。
- Qlib:面向 AI 的量化投资平台
研究旨在通过使用 AI 技术,为数量化投资提供一个强大的基础架构,以支持新的学习范式和数据驱动的方法,并解决在 AI 技术应用于金融领域的过程中所面临的挑战。
- 机器学习测试:调查、现状与展望
本文综述了 144 篇关于机器学习测试(ML Testing)的研究论文,涵盖了测试属性(如正确性,鲁棒性和公平性)、测试组件(如数据、学习程序和框架)、测试工作流(如测试生成和测试评估)和应用场景(如自动驾驶、机器翻译)。研究还分析了数据 - Cicero:多轮、上下文论证的精确众包
本文介绍了 Cicero,一个通过在实时同步辩论中让工作者参与多轮、上下文相关的讨论来提高难度任务的众包准确性的新工作流程。相较于现有的讨论系统,我们的工作流程可以显著提高平均个体工作者的准确性,特别是在 Relation Extracti