本研究探讨如何将利益相关者的输入转化为一致的软件设计，提出利用大型语言模型（如GPT-4）提高定性数据分析的效率，显著提升注释的准确性和一致性，减少人工工作量。

本文探讨了图神经网络（GNN）与定性可解释图（QXG）在自动驾驶场景理解中的结合，提出了一种新颖的GNN架构，能够有效识别交通场景中的相关对象，实验结果表明其在对象识别任务中表现优异。

研究表明，生成式人工智能（GAI）在高等教育中具有提升教学和学习效果的潜力，但也面临信任和偏见等问题。教育者对GAI的认识逐渐增强，尤其是计算机科学领域的教师对其理解更为自信。研究呼吁制定政策框架，以促进GAI的有效整合和使用。

该论文对Twitter数据的选举预测进行了Meta分析，发现其预测能力无法替代传统民调，同时指出社交媒体数据在选举建模中比传统民调更准确。研究还表明，GPT-4在政治文本分析中表现优异，提出了减轻政治偏见的新方法和策略。

本文探讨了大型语言模型（LLMs）在定性研究中的辅助应用，强调其支持人类分析师而非替代。研究提出了利用检索增强生成（RAG）模型解决数据匮乏的问题，并展示了LLMs在定性分析中的潜力与挑战，包括算法忠实度和伦理实践。通过案例研究，验证了LLMs在多种任务中的有效性，推动了人机交互领域的研究。

研究表明，ChatGPT在质性研究中能提高主题分析和编码效率，但对其信任度和准确性存在顾虑。文章探讨了生成人工智能在计算机科学研究中的应用，提出提高研究效率的建议，并强调伦理和学术挑战。高校普遍鼓励使用生成人工智能，但教师需承担额外的指导负担。

本文研究了ChatGPT在安全导向程序分析中的能力，评估其在漏洞检测和代码生成等任务中的表现。研究发现，ChatGPT在理解自然语言指令和生成复杂数据结构方面表现出色，但在处理长代码上下文时存在限制。同时，探讨了其在高等教育中的应用及相关安全风险，强调了继续研究的必要性。

本文探讨了预训练模型的使用实践与挑战，分析了Hugging Face生态系统中的模型重用情况，提出了模型命名规范及其缺陷，并开发了自动命名评估技术。研究还比较了多种语音预训练模型的性能，强调了开源开发者在AI领域的重要性，并提供了未来研究的指导框架。

本文研究了如何结合定性或传统的文学研究方法，使用情感分析的计算方法来研究芬兰文学经典作品。通过情感词典和词嵌入，绘制了芬兰文学作品的语义情感空间。通过案例研究，提供了975部芬兰小说的情感弧线。文章认为计算分析可以评估文本中情感价值的分布，并提供指导帮助其他研究人员重现发现。计算方法也可作为支持工具，进行基于仔细阅读的分析和大规模比较。

本文探讨了生成性用户体验（UX）研究与自然语言处理（NLP）应用的结合，强调领域专家的参与能增强对NLP应用的信任。研究提出了交互式对话助手在UX评估中的应用，分析用户行为和心理模型，并提供设计建议。同时，总结了声音用户界面设计指南，强调文化差异对设计的影响，并提出改进用户体验的方法论支持。

本文提出了一种两阶段的辅助代理进化方法，用于解决在大型数据集的封装设置中使用遗传算法进行特征选择时产生的计算问题。通过构建轻量级的定性元模型通过主动选择数据实例进行特征选择任务，并在遗传算法 CHC 的基础上应用该过程来创建定性近似变体 CHCQX。实验证明，CHCQX 对于包含超过 100K...

本文探讨了深度神经网络在安全关键应用中的可靠性与安全性，提出通过形式化验证技术确保其运行符合预期。研究包括不精确神经网络的集成技术、可达性分析及生成可验证的神经网络框架，以提升高维自主系统的安全性和可扩展性。

本文介绍了一种新颖的方法，用于从多个图像中进行3D物体表面重建。该方法基于神经辐射场和预训练的2D扩散模型的指导，引入了三个组件。实验结果显示，该方法在定量和定性上都取得了显著的改进。

研究探讨了YOLO和RT-DETR算法在奥地利道路的自动化目标检测中的应用，以提高道路安全性。研究利用奥地利道路上的图像和视频构建了选择性数据集，并针对奥地利道路的独特挑战进行了定制化的目标检测方法。

LLM-Eval是一种用于评估开放领域对话系统的多维自动评估方法，可以在单个模型调用中覆盖多个方面，并在各种基准数据集上表现出高效性和适应性。同时，该分析还强调了选择适当的LLM和解码策略以获得准确评估结果的重要性。

该文研究了针对凸目标函数的梯度流、加速梯度下降和随机梯度下降优化方法。研究发现，梯度流在希尔伯特空间中最优，但收敛缓慢；在有限维空间中，存在凸函数的梯度流曲线，其减小速度比任何单调递减且在无穷远处可积的给定函数更慢。类似的结果也适用于离散时间梯度下降、具有乘积噪声的随机梯度下降和重球 ODE 问题。

该研究探索了空间规划和自然语言界面与导航的交叉问题，研究了对话交互中的隐式指令。通过利用3D模拟器AI2Thor创建复杂且可重复的场景，并增加复杂的语言查询，证明了机器人能够更好地解析描述性语言查询。

该研究提出了一种名为PPO的新的增强学习策略梯度方法，可实现多个小批量更新周期，表现优于其他在线策略梯度方法。同时在样本复杂度、实现简单性和时间效率等方面取得了有利的平衡。