4157 篇论文
本文针对 2024 年美国大选期间 X 平台上的政治立场检测，对经典模型、神经模型和 Transformer 模型进行了对比研究，结果表明，虽然经过微调的 BERTweet 取得了最高的准确率，但经过精心设计的线性 SVM 等经典模型提供了一种极具竞争力、更高效且更具可解释性的替代方案，适用于大规模部署。
本文通过对 14 种方法在 8 个真实世界数据集和 5 个合成数据集上的全面评估，证明了在仅使用拓扑结构的情况下，经典的社区检测方法在二分网络上的表现始终能达到或超越近期的图神经网络。
本文描述并形成性评估了由一家哥伦比亚医疗人工智能公司实施的、受控且由大语言模型支持的工作流，旨在系统地提高资助发现与提案开发的吞吐量和可追溯性，同时保持研究人员的监督。在阶段1（“寻宝”）中，83名候选者通过了筛选，被视为优质候选者。
本文提出了一种利用大语言模型进行迭代反馈细化的框架，通过动态诱导自适应模式，将非结构化临床笔记转换为忠实的结构化表示，该框架在无需标注数据或微调的情况下，通过显著减少遗漏和幻觉，性能优于现有基准方法。
本研究表明，单指标评估可能会通过强调特定类别中表现出的表观鲁棒性，从而掩盖手术 AI 模型在不同站点间发生的普遍性崩溃，而双指标审计则揭示了定制检测器和预训练基础模型中存在的广泛失效，并显示在我们测试的配置中，更换主干网络并未能弥补这一差距。
本研究将带有注意力机制的双向长短期记忆网络与残差卷积神经网络在自动心电图心律失常检测方面进行了基准测试，发现 ResNet 架构通过从超过 109,000 个心跳的数据集中更好地提取复杂的形态特征，实现了更优越的性能（98.0% 的准确率）。
本文介绍了 guardrail-rs，这是一个基于 Rust 的开源反向代理，旨在通过可组合的提示词注入检测和 PII（个人身份信息）脱敏功能来保护 LLM 应用，并采用故障开放式架构，同时透明地报告其性能特征及现实世界的工程挑战。
本文提出了一种确定性流水线，通过显式强制执行坐标、阈值和容差假设，将有限且含有噪声的运动轨迹样本转换为可审计的符号人工制品，同时严格将其范围限制在表示与可追溯性，而非物理重建或语义推理。
本综述综合了相关证据，表明虽然人工智能工具在文献检索和科学写作方面显著提高了效率与清晰度，但其负责任的采用需要通过人机混合方法，以应对在可靠性、偏见和学术诚信方面持续存在的局限性。
本研究对用于胸部 X 线片肺炎检测的 ResNet50 和 Vision Transformer (ViT-B16) 进行了全面评估，结果表明，虽然 ResNet50 在准确性、校准度和效率方面表现更优，但 ViT-B16 对图像退化表现出更强的鲁棒性，从而凸显了对可靠诊断系统进行多维度评估的必要性。