为量子机器学习设计具有表达能力、可训练性且对硬件噪声鲁棒的参数化量子电路 (PQCs) 是一项核心挑战。

多实例部分标签学习（MIPL）是一种弱监督框架，扩展了多实例学习（MIL）和部分标签学习的原理……

随着大语言模型（LLMs）的进步，深度研究系统可以通过多步骤推理和基于证据的综合生成专家级报告，但评估……

医学实体识别（Medical Entity Recognition，MedER）是从医学语料库中提取有意义实体的关键自然语言处理（NLP）任务。如今，基于 MedER 的研究成果……

对古代文本的理解在考古学以及对中国历史和文明的认识中发挥着重要作用。大型语言模型的快速发展……

在计算情感科学和计算社会科学领域的工作探索了关于人、情感、行为以及健康的广泛研究问题。

用户生成内容（UGC）的特点是频繁使用非标准语言，从拼写错误到诸如俚语、字符重复等表达选择……

软件材料清单（Software Bill of Materials，SBOM）为软件产品的自动化漏洞识别提供了新的机会。虽然行业正在采用SBO……

我们探索贝叶斯推理作为在问答任务中量化神经网络不确定性的一种手段。首先在 Iris 数据集上使用多层感知器……

虽然端到端 (E2E) 自动语音识别 (ASR) 模型在通用转录方面表现出色，但它们在识别稀有或未见过的命名实体（例如…）时仍然困难重重。

流式语音转文本翻译（StreamST）需要在语音输入的同时生成翻译，施加严格的延迟约束并且要求…

计算能力与片上通信带宽之间日益扩大的差距是现代系统级芯片（SoCs）的关键瓶颈，尤其是对于 ...

多模态大型语言模型（MLLMs）通过三阶段管道扩展了 LLMs 的视觉理解能力：multimodal preprocessing、vision encoding 和 LL...

使用大型语言模型（LLMs）自动化代码审查展现出巨大的潜力，但其缺乏可靠性、上下文感知……

我们推出 PathBench-MIL，一个用于组织病理学中多实例学习（MIL）的开源 AutoML 与基准测试框架。该系统实现了端到端的自动化。

目标：本项目的目标是开发一个基于云的联邦系统，作为对在 … 生成的数据进行搜索、发现和分析的单一入口。

NFT 生态系统代表一个相互关联、去中心化的环境，涵盖了非同质化代币（NFT）的创建、分发和交易……

Software Defect Prediction (SDP) 模型是主动软件质量保证的核心，但它们的有效性常常受到可用数据质量的限制。

Survey research 是软件工程中的一种基础经验方法，使得能够系统地收集关于专业实践、感知、以及…的数据。

电力系统是将当今社会转变为无碳经济的关键。包括拍卖在内的长期电力市场机制支持……

Web 应用是现代数字生活的基石，但构建可扩展且一致的云应用仍然困难，需要跨越云平台的专业知识。

像 SWE-bench 这样的基准已经标准化了对大型语言模型（LLMs）在仓库级软件工程任务上的评估。然而，这些努力...

我们提出了一个飞机维护调度问题，该问题需要将具备相应资格的人员分配到每架飞机的维护任务上。任务 o...

Large Language Models (LLMs) 正在越来越多地应用于真实场景的代码生成，在这种情况下，仅有功能正确性不足以实现可靠部署，……