张见教授带领团队对山西广胜寺壁画《药师佛佛会图》进行数字化修复，使用天然矿物颜料和Apple设备，确保色彩一致性。纪录片《寻境》记录了这一复杂而重要的修复过程。

中国古代历法结合阴历和阳历，依据月相和太阳年制定。二十四节气反映季节变化，传统节假日如春节和清明体现了对自然、祖先和生活的理解与期待。

谷歌DeepMind推出了Aeneas，这是首个用于古代铭文语境化的AI模型，帮助历史学家解读和恢复残缺的古文本。该模型能够在数千个拉丁铭文中寻找相似之处，处理文本和图像的多模态输入，并填补文本空白。Aeneas可适应其他古代语言和媒介，研究人员可在predictingthepast.com上免费使用其互动版本及开源代码。

本研究针对古希腊虚构叙事文本中常见的文学主题进行探讨，填补了对这些文本相似性和差异性的研究空白。通过对大型语言模型的精细调整，研究发现一些主题在不同文本中持续存在，而其他主题的频率则波动，揭示了某些趋势和外部影响。此方法有效地提取了文学主题，为定量和定性分析提供了数据支持。

本研究通过引入首个真实错误数据集，填补了古希腊文本错误检测的空白。利用BERT生成数据集，并提出新检测方法，使识别错误的准确率提高5%。该数据集为开发更高效的错误检测算法提供了基准。

哥伦比亚的Serranía de La Lindosa地区是亚马逊雨林深处的悬崖区，拥有令人难以置信的岩石艺术收藏，展示了一个失落世界的一瞥。这个遗址几乎可以看作是社交媒体的前身：一个分享故事和知识的平台。

本研究通过双向多层LSTM和多头注意力机制解决了古代汉字文本缺乏标点符号导致的语义理解困难问题。研究结果表明该方法在处理古代汉字文本时优于未采用这些组件的RNN模型，具有学术价值和实践意义。

本文强调了使用跨编码器训练数据对CNN进行历史抄写员识别的重要性。实验结果显示，预处理中的屏蔽灰度图像可以提高分类结果的F1分数。AlexNet网络在行级别和页级别上获得了高F1分数。通过实施拒绝选项可以进一步改善CNN输出。使用大规模开源数据集展示了自动复现古文献学决策的能力，为古文献学家提供了获取未标记材料见解的新方法。

现代食品科技有些优势，但远说不上「吊打」。因为，在鲜味的「呈现」和「制造」上，现代食品科技并没有太多颠覆性的进步，更多是通过对各类鲜味物质特点的了解，做针对性的取长补短和深加工，调配出来更鲜美的食品。——让以前大厨师独有的鲜味搭配经验，变为食品工程师可以掌握的常识和技巧。怎么说呢？我们先来看看腐乳鲜味的秘密。一、腐乳的鲜味是怎么来的？鲜味来源于蛋白质，相信很多关注食品科学的朋友们都知道。腐乳...

本文提出了一种使用基于5-gram KenLM语言模型的缩放相似性分数的新方法，以提高机器翻译的质量。通过Kneser-ney平滑技术过滤域外数据，并采用多域、微调和迭代回译等自适应技术。实验证明，在Hindi-Nepali语言对上，该方法在多域、微调和迭代回译上分别提高了约2个BLEU点、3个BLEU点和2个BLEU点。

通过使用 Puzzle Pieces Picker（P$^3$）这一新颖方法进行基体重建，该研究旨在解密大量未解谜的甲骨文，以揭示这种古老文字的秘密，并通过开发 Ancient Chinese Character Puzzles（ACCP）数据集，能够更好地理解中国古代文字的历史和文化背景。

我们使用适配器框架基于参数高效的微调开发了一种简单、统一和计算轻量级的方法，应用于古代和历史语言的词嵌入评估，形态标注，POS 标记，词义化和字符和词级别的填充等任务，并在所有任务和 16 种语言上均匀应用了相同的适配器方法。我们的研究结果显示了在现代语言上预训练的语言模型通过适配器训练可以适应历史和古代语言的可行性。

利用中文历史信息抽取语料库 (CHisIEC) 推进古代历史和文化研究，实现对命名实体识别和关系提取任务的开发和评估，涵盖 13 个朝代超过 1830 年的历史时间线的数据，包括四种实体类型和十二种关系类型。

介绍了U-DIADS-Bib数据集和计算机辅助的分割流程，以减轻手工注释的负担。提供了少样本数据集(U-DIADS-BibFS)，鼓励开发解决该任务的模型和解决方案，以在现实场景中更有效地使用。

本研究比较了ChatGPT和经典的图灵测试在理解和文本生成方面的能力。通过两个任务挑战和GPT-2 Output Detector评估，提出了一套评估ChatGPT的度量和简单语法集。

本文介绍了一种利用文本引导的潜在扩散模型，实现了零样本图像到图像的翻译。同时，提出了新的任务Skull2Animal，用于头骨与活体动物之间的翻译。通过Revive-2I基准模型，桥接了大领域差距，需要先有目标领域的先验知识。