Protocol-Governed Human–AI Software Engineering: Autonomy Without Authority
本文提出并实证评估了一种协议驱动型计算架构,该架构将活动自主权与授权权威分离,展示了人类监督如何通过明确的准入、晋升和封存协议来治理人工智能驱动的软件工程,同时识别了防护机制需要改进的具体领域。
2305 篇论文
本文提出并实证评估了一种协议驱动型计算架构,该架构将活动自主权与授权权威分离,展示了人类监督如何通过明确的准入、晋升和封存协议来治理人工智能驱动的软件工程,同时识别了防护机制需要改进的具体领域。
本文介绍了设计、实现及初步验证的一个可扩展在线平台,该平台利用生成式人工智能为青少年提供个性化的数字技能培训,展示了积极的用户反馈和功能性能,并建议进一步开展纵向研究以评估更广泛的教育影响。
本研究表明,一台紧凑型桌面工作站可以有效地托管用于期刊编辑任务的开放权重语言模型,并揭示了虽然性能与模型规模并不严格相关,但将这些模型与简单的确定性检查相结合,即可实现对指南违规行为近乎完美的检测。
本文提出了“Cardio Fusion”,一种双流正则化深度学习架构,该架构通过将优化的表格数据处理与影像/心电图分析相结合,旨在实现跨越多样且异质临床数据集的稳健、泛化心血管疾病预测。
本文提出并评估了一种用于深空多智能体系统的分层网络安全保障架构,该架构利用机器可验证证据、溯源技术和动态信誉管理,旨在确保在缺乏实时人类监督的情况下,人工智能生成的科学主张的完整性与可信度。
本文介绍了 UAS-OS,一种新型操作系统级控制平面,它通过代理控制块(Agent Control Blocks)和零拷贝内存管理来管理自主 AI 工作负载,实现了适用于实时关键任务环境的鲁棒意图控制与故障隔离,且开销低于 50 微秒。
本文提出了一种针对 YOLOv5 的多维度协同增强框架,该框架集成了 LAB 空间的 CLAHE、带有 Varifocal Loss 的高分辨率 P2 检测层,以及结合通道注意力的可变形卷积,旨在有效解决工业视觉检测中面临的低光照、小目标及几何变形挑战,并在专门的吨袋数据集上实现了优于主流检测器的卓越性能。
本文提出了 DBDNet,一种双分支解耦网络,该网络利用小波变换和基于频率的物理先验,有效地将模态共享的低频背景与模态特有的高频细节进行分离,从而在多模态图像融合及下游目标检测任务中实现了最先进的性能。
DeepCork 是一个两阶段深度学习框架,它结合了基于 ResNet152 的二分类器与基于 YOLO 的检测器,旨在实现对天然软木塞的高精度、实时缺陷检测,同时在工业制造中有效平衡定位精度、延迟约束以及预测不确定性。
BioPretext 是一种新颖的多模态自监督学习框架,它通过跨模态对齐和动态融合,将几何成像与序列生物信号统一起来,以增强骨科特征提取及下游任务性能。