本研究探讨人工智能的进步如何为认知科学提供机会，利用更自然的实验刺激和任务。AI与认知科学的结合将促进对自然现象的深入研究，并推动自然主义计算认知科学的发展。

本研究探讨了自主驾驶中物体检测的安全性，提出了一种新方法，通过统计分析识别影响LiDAR和相机3D物体检测器性能的因素及其相互关系，以识别鲁棒性问题并促进安全审批。

对话摘要任务在处理自然对话变化时遇到挑战，如重复和犹豫。研究使用数据集模拟真实变化，分析这些变化对模型的影响。结果显示，输入变化特别是对话级扰动影响模型性能。人工评估验证了这些发现。尝试用部分扰动数据提高模型鲁棒性，但效果有限，需进一步研究。研究强调了对话摘要中的鲁棒性挑战，为未来研究提供方向。

本研究填补了微服务环境下动态知识图谱异常检测的研究空白，提出了一种基于模型集成学习的方法，通过三种动态知识图谱的表示方式和机器学习模型，在ISWC 2024数据集上表现优于基线，提供了可靠的异常检测解决方案。

研究者开发了一种基于人工智能的决策支持系统，用于预测肝细胞癌手术后的肝衰竭，并提出了评估可解释性的方法。评估结果显示该模型的解释与生物标志物相关，且在病例和系统层面上具有较高可用性。临床医生在提供人工智能解释时，预测准确性和信心提高。

本文考察了多选项机器阅读理解的最新发展，分析了30个基准数据集和最新的方法学，提出了精调方法和提示调参方法，并探讨了未来的研究方向。

该论文综述了人体建模和姿态估计的交叉领域，包括算法、方法学和实际应用，以及相关的传感器技术、2D和3D人体建模方法学的挑战和进展。对2D和3D领域最先进的人体姿态估计算法进行了全面比较，并提供了当前最先进成果、挑战和未来前景的见解。

介绍了一种注释过程 —— 指导中心注释过程，该方法重点报告与每个数据样本相关的注释指南。通过减少注释过程中信息的损失并确保符合指南，克服了标准规定性注释过程的三个主要限制。此外，还讨论了指导中心注释过程如何通过单次人工注释过程实现对多个任务中的已注释数据的重用。

计算机视觉中的目标检测和分割任务取得了巨大进展，但现有数据集中的标注类别较小且预定义，无法推广到开放词汇之外。近年来，越来越多的关注集中在开放词汇检测和分割上。本调研提供了对过去和最新开放词汇检测和分割发展的全面审查，包括不同方法学的分类和讨论。同时提供了一些有前途的方向，以激发未来的研究。

本文介绍了深度学习中的可解释人工智能技术（XAI），包括分类法、方法学、范畴和应用层次等。通过对图像数据的评估，讨论了可解释人工智能算法的局限性和未来改进方向。

本文讨论了计算机视觉中头部姿态估计的方法、适合的表示和度量标准，以及解决训练和测试数据集不一致性的方法。同时提出了广域头部姿态估计基准。

该研究使用NLP技术开发了临床试验数据的证据检索和自然语言推理系统。系统包括Pipeline和Joint两个部分，并采用集成学习方法进行结果分析。

该文介绍了机器遗忘技术的评估、攻击和验证方法，比较了它们的优缺点和性能。提出了解决公平性问题的非 IID 删除模型，并指出了未来研究方向。该文为研究人员和从业者提供了有价值的资源。

无论时代如何变革，这两大矛盾会永远存在。 1）个人日益增长的知识需要与大脑先天容量有限之间的矛盾； 2）个人先进生产方式的需要与落后知识处理方式之间的矛盾。 大量知识管理方法与工具应运而生，但多数无法健康长久，各种方法与工具换了又换，问题与矛盾始终没有解决。 在多年的写作实践中，我最终将写作工具回归到纸质卡片，不仅在刻意增加卡片创作的次数，而且也在扩大其主题和应用范围，开始用「万物皆卡片」的...

无论时代如何变革，这两大矛盾会永远存在。 一个是个人后天日益增长的知识需要与大脑先天容量有限之间的矛盾，另一个是个人现在对先进知识生产方式的需求与过去落后的知识处理方法之间的矛盾。 卡片创作的根本任务，是帮助你建立系统，解放与发展生产力，创作出更多产品。 卡片创作系统从 7...