Framework for Grounding Healthcare LLMs in a Causal Knowledge Graph: A Cardiovascular Example
本文提出并验证了一种可复现的、以图为中心的评估框架,该框架将医疗大语言模型锚定在因果知识图谱中,并通过一项心血管领域的试点研究证明,与非锚定方法相比,将因果断言整合到模型上下文中能显著提升模型对干预措施、机制及证据的推理能力。
2358 篇论文
本文提出并验证了一种可复现的、以图为中心的评估框架,该框架将医疗大语言模型锚定在因果知识图谱中,并通过一项心血管领域的试点研究证明,与非锚定方法相比,将因果断言整合到模型上下文中能显著提升模型对干预措施、机制及证据的推理能力。
本文介绍了 OmegaUse-SOP,这是一个人机协同系统,旨在将专家演示转化为可复用的、特定领域的 GUI 智能体标准作业程序(SOP)技能,从而显著提高它们在光伏模拟工作流等复杂专业环境中的可靠性。
本范围综述综合了关于人工智能驱动的航班中断管理的研究证据,揭示出尽管预测性与数学恢复方法已趋于成熟,但在将高精度预测转化为面向现实中航空公司运行控制中心的可行、可解释且具备不确定性感知能力的决策支持方面,仍存在关键性的空白。
这项系统综述分析了渲染优化技术如何平衡虚拟现实中的视觉保真度、计算性能与教育可用性,揭示了稳定的高帧率运行配合适度的细节往往比追求极致的写实主义更能有效地支持学习,并强调了跨设备基准测试以及针对教育特定验证方面的关键空白。
本研究提议开发并部署先进的机器学习模型,以准确预测尼泊尔加德满都谷地的互联网带宽需求,从而使互联网服务提供商能够通过数据驱动的决策来优化资源配置、缓解网络拥塞并提升整体服务质量。
本文提出并实验验证了一种被称为“意义性模糊”(meaningful ambiguation)的架构干预手段,该手段将一种受美学理论启发的变换应用于语言模型流水线,以生成能同时实现高多样性、结构连贯性和种子局部性(seed locality)的输出,而这些能力是诸如温度调节等标准采样方法无法复制的。
本文介绍了 SkeletonGraph,一种结构化检索引擎,它显著提升了函数级代码定位的能力,并降低了处于任务分布昂贵尾部的编码智能体(coding agents)的成本,但由于其有效性受限于对仓库的熟悉程度且无法取代智能体通过阅读代码进行的自身学习,因此未能降低中位数成本或提高解决率。
本文介绍了“问两次,看两次”(Ask Twice, Look Twice),这是一个无需训练、与模型无关的一致性过滤框架,它利用语义等价的问题增强和视觉扰动,在无需额外模型训练的情况下,显著提升了临床环境下医学视觉问答系统(Medical Visual Question Answering systems)的可靠性与可信度。
本文介绍了开放手语圣经(Open Sign Bibles, OSB),这是此类规模最大且在法律上无权利负担的多语言数据集,包含超过 700 小时以开放许可形式发布的 20 种手语视频,并与 800 多种口语语言的平行文本对齐,旨在促进多模态检索和对比学习研究。
本文提出了一种基于近端策略优化(Proximal Policy Optimization)的深度强化学习框架,使多架无人机能够在复杂的城市环境中自主导航,在静态和动态场景下均能有效避免碰撞并协作到达目标点。