人工智能的讨论中，各利益集团立场不同。科技公司希望降低成本，而技术员工担心被取代。尽管人工智能提高了某些领域的效率，但也引发了对工作安全的担忧。许多人认为人工智能将改变软件开发方式，但其长期影响尚不确定。行业需适应这些变化，以确保人类在技术进步中仍能发挥重要作用。

本研究探讨了深度学习模型在撞车叙述分类中的准确性与专家认同之间的关系。结果表明，尽管某些模型的准确性较高，但专家认同度较低。因此，建议在安全关键的自然语言处理应用中考虑专家认同，以提高分析的有效性。

本研究针对现有数据集在推荐系统对话能力方面的局限，提出了新数据集REGEN，旨在改善推荐大型语言模型（LLMs）的性能。通过结合用户评论和先前上下文的叙述生成，研究显示采用评论增强的推荐机制显著提升了推荐质量，同时所提出的LUMEN模型在生成推荐和相应叙述方面表现出色，与最先进的推荐器和语言模型的性能相当。

本研究解决了儿童故事书内容吸引力不足、叙述表达性匮乏及缺乏开源评估基准的问题。我们提出并开源了MM-StoryAgent，通过多智能体框架结合大型语言模型和多样化专家工具，生成情节丰富、视觉和音频一致的沉浸式叙述故事书视频。实验结果表明，该系统显著提升了故事吸引力和叙述体验，对进一步开发和优化具有重要影响。

本研究提出了一种可解释系统，解决了大语言模型在数据解释和自然语言生成中的可解释性问题，提升了医疗信息处理的可信度。通过Prolog/CLP重写系统，强调了声明式编程在人工智能可解释性中的重要性。

本研究比较了指令调优的大型语言模型与人类编码者在识别警察与公众互动叙述中的表现。结果表明，IT-LLMs在识别无脆弱性叙述方面表现优异，减少了人工编码需求，提升了数据分析的标准化与透明度。

本研究旨在解决现有角色分析工具过于依赖显性文本指标的局限，通过利用大型语言模型（LLMs）来揭示隐含的角色描绘。我们提出的LIIPA框架能够提取角色在叙事文本中的隐性特征，并在公平性和准确性方面优于传统方法，显著增强了对复杂角色分析的理解。

本研究通过在路边单元部署大型语言模型，并结合多模态信息提示策略，提升了边缘设备上驾驶行为叙述和推理的效率，为自动驾驶提供了更快速准确的数据处理方案。

大型语言模型可以解决知识图谱补全任务，但可能会产生错误答案。实验结果表明，通过使用提示和两个显著的语言模型，LLMs在任务中可能适用。

本文介绍了一种基于对话的3D场景编辑方法CE3D，利用大型语言模型为中心，允许用户通过文本输入解析意图，并调用相应的视觉专家模型。通过设计利用Hash-Atlas表示3D场景视图的方案，将3D场景编辑转移到2D图像上，实现了2D编辑和3D重建过程的解耦。实验结果表明，CE3D能够整合多个视觉模型，实现多样的编辑视觉效果，并具备强大的场景理解能力和多轮对话功能。

本研究提出了一种结合行为和计算实验的框架，利用虚构提示作为新工具，研究人类和生成型 AI 在叙事中的文化产物和社会偏见。实验证明了 Pygmalion 神话在人类和大型语言模型的集体想象中的普遍存在。分析揭示了 GPT-3.5 和 GPT-4 在性别角色和性取向方面比人类更进步。该框架认为小说可以窥探人类和基于人工智能的集体想象和社会维度。

该文章介绍了一种利用条件生成对抗网络解决回归问题的新方法。该方法通过学习预测函数的输出与输入的配对，能够更好地拟合数据的分布，具备更好的表示能力。实验证明该方法在多个数据集上优于标准回归方法，尤其在重尾回归数据集中表现出色。作者还发布了源代码以便其他人能够重复实验。

本文回顾了面向视觉的多模态大型语言模型 (MLLMs) 的体系结构、对齐策略和训练技术，并分析了其在多个任务上的应用。同时，还比较了不同模型的性能和计算要求。这项调查为未来的 MLLMs 提供了基础。

该文章讨论了基于Transformer的架构在自然语言处理中的输入大小限制问题，并提出了一种解决方案。通过将长文档分块并保持全局上下文，以查询定义话题，开发的系统使用预训练的BERT模型来估计给定文本跨度形成关键短语的概率。实验结果表明，在长文档上，使用查询的较短上下文大小胜过没有查询的较长上下文。