Smart Autonomous Building Design and Structural Planning Using Generative Multi-Agent Systems
本文提出了一种智能框架,该框架利用生成式人工智能和协作式多智能体系统,根据用户需求和场地约束,通过迭代生成并评估建筑、结构及成本效益方案,从而实现可持续建筑设计的自动化与优化。
3883 篇论文
本文提出了一种智能框架,该框架利用生成式人工智能和协作式多智能体系统,根据用户需求和场地约束,通过迭代生成并评估建筑、结构及成本效益方案,从而实现可持续建筑设计的自动化与优化。
这项预先设定的证伪研究表明,在锁定时间协议且在 Elliptic++ 数据集上匹配经典基准的情况下,量子核未能展现出相对于经典模型的可重复预测优势,其有限的性能高度依赖于带宽调优,并在后期时间窗口中发生崩溃。
AXAI-MH 是一个自适应、可解释的 AI 框架,它利用混合解释机制和上下文敏感规则引擎来提供个性化的、针对特定利益相关者的心理健康风险评估,在实现高预测准确性的同时,与标准基准相比显著增强了临床医生的信任度和可用性。
尽管该研究假设领域专用的 MedGemma 4B 将优于多模型 LLM 理事会框架,但结果显示 MedGemma 的整体准确率高于该理事会框架,而单一通用模型 Qwen3-4B-2507 则独立超越了两者,这表明在临床放射学报告分析中,强大的通用推理能力可以胜过基于共识的专业化方法以及专门化的医疗方法。
本文通过实证研究表明,对于解决小学数学问题的规模较小(3.8–8B)的开源指令微调模型而言,少样本思维链(few-shot Chain-of-Thought)提示词的效果显著优于零样本基准,而更复杂的思考策略(如自一致性 self-consistency 和思维树 tree-of-thought)则无法比简单的策略提供具有统计学可靠性的准确率提升。
本文通过一个量子网络案例研究,通过分离不确定性的来源,提出了一种评估离散事件模拟中决策可靠性的工作流,证明了多种子复制显著提高了决策一致性,同时强调了模型变体和指标定义对结果的关键影响。
本文提出了一种反归纳式人工智能系统的完整方法论协议,该系统通过挖掘负空间并处理暗数据来克服科学发现中的生存者偏差,从而生成新颖的、挑战范式的假设,并通过神经生物学领域的一个案例研究进行了验证。
这项系统综述和元分析表明,尽管大语言模型在证据合成的数据提取方面达到了较高的平均准确率,但其性能在不同设置下表现出显著的差异性,因此有必要进行特定任务的验证和人工核查以确保可靠性。
这项预注册研究表明,尽管自适应感知调度显著降低了家用服务机器人的计算成本,但在闭环导航中,它未能达到在每一帧上运行轻量级检测器的安全性和成功率,这表明更简单、持续的方法仍然是更优越的默认策略。
本文提出了一种智能交通预测系统,该系统通过将车辆计数和平均车速作为主要预测指标,在对城市交通状况进行分类方面实现了 99.65% 的准确率,从而能够通过交互式仪表板动态推荐最佳路线,以增强城市流动性。