DocuStore: Domain Constrained Retrieval Augmented Generation for Drug Discovery Documents
本文介绍了 DocuStore,这是一种领域受限的检索增强生成架构,它通过整合分子结构和生物实体,显著提高了药物发现文档中问答的准确性和证据检索能力,并已通过全新的 DocQABench 基准测试得到验证。
3900 篇论文
本文介绍了 DocuStore,这是一种领域受限的检索增强生成架构,它通过整合分子结构和生物实体,显著提高了药物发现文档中问答的准确性和证据检索能力,并已通过全新的 DocQABench 基准测试得到验证。
本文提出了一种针对质量受限的大语言模型(LLM)路由的目标工作负载审计框架,该框架利用参考模型的误差来实现经济型的“仅限廉价模型”救援,并通过广泛的实验证明,目标认证随机路由和配对认证在平衡成本节约与严格的质量及危害约束方面显著优于现有方法。
本文提出了一种针对盲LSB隐写分析的52维特征框架的诊断性重新设计,该设计利用高效的残差直方图统计取代了计算昂贵的基于特征值分解的判别式,在低载荷下实现了比其初始设计及经典SPAM基准更快的推理速度和更优越的性能,同时证明了SPM在高载荷下仍然更为有效。
本文表明,在源 LLM 界面上表现最佳的校准程序,在复用于目标界面时并不一定能产生最优的校准映射,从而揭示了一个源与复用最优解发生分歧的独特程序选择问题。
本研究提出了一种改进的体育健康信息内容偏差识别与推荐模型,该模型集成了增强型 TextRank 算法与 SBERT、来源可信度机制以及多层级 BERT-Longformer Transformer 架构,旨在有效识别误导性内容并优先推荐高可信度内容,其在偏差检测和排序指标方面的表现优于现有的基准模型。
本研究评估了人工智能工具 Elicit 在政策证据合成中的应用,发现虽然它能有效加速初步的主题范围界定,但目前仍缺乏在没有大量人工监督的情况下进行复杂快速综述所需的精确度和可靠性。
本文提出了一种高吞吐量的网络流量分类方法,该方法将流数据编码为固定大小的布隆过滤器(Bloom Filter)位图,用于高效的基于卷积神经网络(CNN)的威胁检测,并在真实宽带数据集上以极低的计算开销实现了高精确率和高召回率。
本文介绍了 NIMSAFE,这是一个状态感知框架,它利用自训练和可解释的随机森林模型,在不同的运行状态和威胁场景下,实现了稳健、高效标签且透明的物联网设备指纹识别。
本文介绍了 SCALE 框架,这是一个基于对 54 项研究进行的 PRISMA 2020 系统综述的跨维度模型,该模型统一了可扩展性、成本、人工智能驱动的自动化、延迟和安全性,旨在解决实施挑战并优化下一代基于云的大数据流水线。
本文提出了一种用于车联网的自适应多维协同综合路由方案,该方案通过构建一个具有新颖多约束度量指标和智能传输切换机制的系统模型,旨在高移动、动态的网络环境中动态优化路由可靠性、实时性能和传输效率。