从 radiographs 中诊断牙科疾病既耗时又具挑战性，因为诊断证据往往非常微妙。现有方法依赖于……

图像合成模型的快速出现对 AI 生成图像检测器的泛化能力构成了挑战。然而，现有方法往往依赖于 mo...

随着大型语言模型（LLMs）深入嵌入数字平台和决策系统，人们对其政治偏见的担忧日益增长。虽然……

机器学习算法在司法、医疗保健和金融等关键决策领域无处不在，这导致对公平性的需求大幅增长。

CLASSIX算法是一种快速且可解释的数据聚类方法。在其原始形式中，该算法利用对数据点的排序来…

研究人员提出了许多 text-to-SQL 技术，以简化数据分析并加速基于数据库的应用程序开发。为了比较…

将大型语言模型（LLMs）对齐，以服务于具有异质且可能冲突偏好的用户，是个性化和可信...的核心挑战。

组织病理学分析依赖于苏木精-伊红（H&E）染色，但荧光显微镜提供了互补的信息。将荧光…

检索增强生成（Retrieval-Augmented Generation）在软件工程中通常依赖向量相似度搜索，该搜索捕捉主题相似性，但在多跳推理时可能会失效……

强化学习（RL）已成为后训练大型语言模型（LLMs）的核心范式，尤其用于复杂推理任务，但它常常……

我们研究一种去中心化协作请求问题，旨在优化边缘网络中时间敏感客户端的信息新鲜度，...

Chain-of-Thought (CoT) 推理已被证明能够通过鼓励逐步的中间推理来提升大语言模型的效果，近期的进展……

最近在 natural language processing 方面的发展凸显了文本作为生态学新兴数据来源的价值。文本资源携带着独特的信息，能够……

当前的上下文增强方法，例如 retrieval-augmented generation，对于解决知识密集型推理任务至关重要。然而，它们通常...

在 Text-to-SQL 任务中，现有的基于 LLM 的方法通常在提示中包含大量数据库模式，导致上下文长度变长并增加预填充延迟。

归因推理，即预测观察到的行为背后潜在意图的能力，是大型语言模型的一个关键但尚未充分研究的能力……

大型语言模型（LLMs）在对包含数千行数字、多个关联工作表以及嵌入…的企业级大型电子表格进行推理时面临困难。

自动化基础设施即代码（IaC）具有挑战性，且大型语言模型（LLMs）常常从自然语言（NL）生成错误的配置。We p...

Artificial Intelligence (AI) 系统在分类方面取得了良好的成功。然而，缺乏可解释性是一个真实且重大的挑战，尤其是……

我们对 Neural Coverage (NLC) 进行批判性综述，它是 Yuan 等人在 2023 年 ICSE 上提出的最先进的 DNN 覆盖准则。虽然 NLC 提出要满足 eigh…

强化学习（Reinforcement Learning，RL）仍然是机器学习中的核心优化框架。虽然 RL 代理可以收敛到最优解，但对…

虽然量子退火（QA）已被用于组合优化，但实际的 QA 设备在有限温度和噪声下运行，并且它们的...

我们研究在分布式计算集群中计算 matrix chain multiplications 的问题。在此类系统中，性能往往受到 straggle 的限制……

在当今复杂的工业环境中，操作员通常必须浏览大量技术手册，以识别可能的故障排除程序……