本研究提出一种八步协作流程，结合人类洞察与AI能力，提取已知用法中的模式，通过模式语言有效整合大型语言模型与数据源，推动模式挖掘应用。

本文全面审查了阿拉伯OCR的应用、方法和挑战，并提出了改进方法，为阿拉伯OCR领域的研究提供了宝贵见解。

这篇文章介绍了8本被认为是软件架构师必读的经典书籍，包括《建筑学》、《人月神话》、《模式语言》、《数据与现实》、《软件架构》、《你的灯亮着吗？》、《企业架构作为战略》和《设计日常》。这些书籍涵盖了软件架构的不同方面，如历史、设计模式、数据建模和企业架构。

大型语言模型（LLM）在生物化学任务中表现出卓越性能，特别是分子字幕翻译任务。提出了一种新的范式：上下文分子适应（ICMA），允许LLM通过上下文示例来学习分子-文本对应关系。实验证明，ICMT可以使LLM在没有额外训练语料库和复杂结构的情况下实现最先进的性能。

在这篇论文中，我们介绍了 Video-MME，这是第一个全方位的、多模式评估基准测试，用于评估 MLLMs 在视频分析中的性能。我们通过多种视频类型、持续时间的长短、多模态数据输入和精确的注释来评估多种 MLLMs，并发现商业模型 Gemini 1.5 Pro 的性能最佳，明显优于开源模型。我们的研究数据集以及这些发现强调了处理更长序列和多模态数据的进一步改进的需求。

亚历山大形式是解决设计问题的有组织、连贯的模式，包括253个模式，涵盖建筑、城市规划等领域。它由图片、引言、问题标题、正文、解决方案、图解等部分组成，帮助人们理解和应用设计知识。亚历山大形式对设计文档和教育材料的编写方式产生了影响。

本文介绍了VIM框架，用于评估多模态大语言模型在视觉指令跟随能力方面的表现。VIM通过将指令嵌入到视觉场景中，挑战了MLLMs。作者应用VIM于基准测试，发现开源的MLLMs与GPT-4V之间存在显著性能差异。作者旨在通过VIM推动该领域的技术进展。

本文介绍了符号学在计算机科学中的应用，符号学是一种新的抽象计算机科学，通过引入溯因耦合来管理复杂性。同时，本文提出了一种新的方法：生成 AI 的模式语言，以释放 GPT-4 的全部潜力，这些模式将彻底改变您与尖端 GPT-4 语言模型的交互方式。