cs 篇论文 | Gist.Science

本研究通过构建专门的数据集并采用自动化与人工评估相结合的方法，评估了各种大语言模型理解韩语间接言语行为的能力，结果表明，尽管像 Claude3-Opus 这样的闭源模型优于开源替代方案，但目前尚无模型能在解释依赖于语境的意图方面达到人类水平。

本文提出了 EGDIS，一种边缘引导的文档图像隐写方法，该方法利用自适应 Canny 算法和基于 Transformer 的交叉注意力融合网络将边缘特征与原始图像及秘密消息进行集成，从而在标准数据集上实现了卓越的嵌入性能和视觉质量。

本文提出了一种用于无人艇（USV）的自主避障决策方法，该方法结合了无人机视觉感知、基于优先经验回放增强的双重深度双Q网络（PD3QN）算法以及符合国际海上避碰规则（COLREGs）的奖励函数，以实现安全、高效且具适应性的航行。

本文提出了一种可解释的计算框架，该框架利用多感官触觉数据，特别是来自按压、静态和滑动交互的热学与顺应性线索，来有效地模拟人类材料感知并增强机器人的触觉识别。

本文提出了一个用于评估偏见检测的人工标注保加利亚语数据集，揭示了人类标注者之间的高度一致性，以及人类与大语言模型之间的显著分歧，同时证明了保加利亚语提示词能提高模型与人类判断的一致性。

本文提出了一种改进的基于 Informer 的模型，该模型结合了基于标准差的动态去噪算法和波动感知自适应采样机制，以增强企业成本预测的准确性和稳定性，并在企业数据集和基准数据集上均展示出优于现有方法的卓越性能。

本文介绍了 CLEM，这是一个以行为为中心的软件质量框架，它通过版本控制启发式方法来衡量结构变化吸收情况，从而对开发活动进行分类并生成中性或上下文加权的指标，证明了其在区分不同仓库间结构模式方面的能力，同时也显示出与缺陷预测的相关性有限。

本研究提出了一种基于人工智能的框架，该框架将 RoBERTa 衍生的语义嵌入与手工设计的语言特征相结合，在英语文本可读性评估方面显著优于传统方法，并在 CLEAR 数据集上实现了极高的准确率（R² = 0.9908）。

本研究采用设计科学方法，开发并验证了结合文本挖掘、专用词典和生成式人工智能提示词的半自动人工制品，这些人工制品在保持与专家人工编码高度一致性的同时，显著提升了从文本源中提取和编码数字化可持续性数据的效率与可扩展性。

本文审计了法律大语言模型在中国违法解除劳动合同赔偿金计算中的性别偏见问题，揭示了反事实不稳定性而非方向性偏见是主要的失效模式，并提出了两种有效的补救措施——反事实对称校准和公平约束微调——通过解决公式知识缺失来减轻这些错误。