本研究系统性审视生物医学知识图谱（BKG），涵盖其构建、任务及实际应用，解决了现有综述局限于特定领域的问题，明确了BKG研究现状，为未来探索奠定基础，推动方法学创新与应用实施。

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。

本研究介绍了SAMSum语料库，旨在提升对话摘要的质量。通过多模型测试，发现模型生成的摘要在ROUGE分数上优于人类评估。研究探讨了对话摘要的策略和方法，强调了鲁棒性挑战，并提出未来研究方向。

本文探讨了机器学习在知识图谱和动态图中的异常检测应用，提出了基于Transformer的框架和半监督异常检测等多种方法，强调提高检测准确性和可解释性的策略。这些研究在真实数据集上表现出优越性能，推动了异常检测技术的发展。

本研究提出了一种基于专家知识的自我解释深度学习框架，旨在提高医疗领域机器学习模型的可解释性。实验表明，该模型的解释性组件不会影响预测性能，能够为医生提供病人死亡原因的洞见。此外，研究还探讨了反事实生成方法、手术并发症管理及可解释人工智能（XAI）框架，以提升模型的透明度和临床应用潜力。

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。

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。

本文分析了少样本类增量学习（FSCIL）的最新进展，探讨了方法学、性能和应用，针对数据实时性差、遗忘和过拟合等问题，提出了五个子领域的划分，并介绍了在计算机视觉和自然语言处理中的应用。研究还提出了新框架和算法，显著提高了模型性能，解决了遗忘和过拟合问题。

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...