本研究提出了音频时序推理评估（TREA）数据集，以解决大型音频语言模型（LALMs）在时序推理任务中的评估不足。研究结果表明，开源LALMs在该数据集上的表现远低于人类，并引入了一种新的不确定性度量，强调全面评估LALMs在高风险应用中的重要性。

该文综述可解释人工智能（XAI）在遥感图像分析等领域的最新进展，涵盖软件工程、信用预测、物联网、网络安全等应用，提出技术分类与评估方法（如基于熵的不确定性度量），旨在提升深度学习模型的透明度与可信度，并指出未来研究方向。

该文综述主动学习在自动驾驶与三维目标检测中的应用，涵盖LiDAR点云、RGB提案、不确定性度量、混合密度网络及增量学习等方法，可减少标注量达60%，并用于遥感与医学影像分割。

该文综述了医学影像弱监督学习研究，涉及颈动脉斑块分割与分类、乳腺癌超声诊断、颈动脉狭窄分级、斑块细胞计数、肺栓塞标注及冠状动脉分割，通过多任务学习、辅助任务和不确定性度量提升分割与诊断精度，减少标注依赖。

本文提出了一种分层点云主动学习策略，解决了学习3D点云分割的问题。通过使用上下文信息的分层最小边距不确定性模块对每个点进行不确定性度量，并设计了特征距离抑制策略来选择重要和代表性的点进行手动标注。实验结果表明，该框架在使用极少量训练数据时性能优于其他方法。