2363 篇论文
本文介绍了不确定性感知自适应辩论（Uncertainty-Aware Adaptive Debate, UAAD），这是一个基于模拟的框架，通过定位不确定性并调整辩论参数来动态优化大语言模型的推理过程，从而实现显著的准确率提升并降低计算成本，尽管其报告的改进在经过实时模型验证前仍具有假设性。
这项针对九项近期研究的范围综述表明，虽然生成式人工智能在基于实验室的健康科学教育中主要增强了效率并支持了个体探究与获取活动，但其整合目前受到证据基础薄弱、事实错误风险以及显著缺乏协作应用等因素的限制，强调了进一步开展比较研究和专家监督的必要性。
这项研究揭示了广泛使用的语言模型智能体表现出一种基于任意标签的强烈的内群体信任偏见——这是一种微妙的社会动态，由于它体现在“谁”接收到了行动而非选择了“哪些”行动，因此无法通过标准的聚合行为审计被检测到。
本文介绍了 CHRONOS，这是一种新颖的混合架构，它将具有科学辩护性的反事实历史形式化为基于时序知识图谱的约束结构因果模型问题，同时透明地报告了在初步合成测试中观察到的在可扩展性和量子优化性能方面的真实局限性。
本研究表明，通过监督学习，企业防火墙决策可以从流量日志中近乎确定性地被重构，这揭示了高模型准确度往往反映的是对特定策略代理和上下文相关规则的复制，而非独立的威胁检测，从而在实现追溯性策略审计的同时，也凸显了在跨环境泛化和不确定性校准方面的显著局限性。
本研究表明，一种结合了卷积神经网络、循环神经网络以及基于大语言模型的数据增强与内容生成的混合人工智能框架，能够显著优化社交媒体上的客户获取，在对 VKontakte 社群内的目标群体和推广帖子进行分类方面达到了极高的准确率。
本文对工业5.0背景下生成式人工智能与数字孪生在预测性维护中的集成进行了系统性的文献综述，在分析当前趋势与挑战的同时，提出了一个新颖的“数据-模型-人类”框架，旨在指导未来智能制造领域中以人为本的研究。
本文介绍了 SA2A，一种意图驱动的系统智能体架构，它通过在请求者的入口处验证所有响应来强制执行相互零信任，从而在仅产生极小延迟和带宽开销的情况下，实现针对多样化攻击的鲁棒安全性以及对提供商变更的自动弹性。
本研究提出了一种针对川渝地区的证据分级教育知识图谱及可信推荐框架，该框架集成了细粒度内容提取、风险门控和学习者状态估计，旨在提供可验证的跨学科 K-12 资源推荐，同时显式地管理可追溯性与覆盖率之间的权衡。
本文提出了一种用于自主智能工厂的AI原生制造操作系统（M-OS），该系统将数字孪生、多智能体系统、物理信息机器学习和强化学习集成到一个统一的六层架构中，以实现调度、维护和质量控制之间的决策同步，同时概述了用于验证的数学框架和实验方案，但未呈现实证结果。