Notion Mail 是一款新邮件应用，利用 AI 实现自动分类和写作，界面简洁且可自定义分类。目前仅支持 Gmail，功能尚有不足，但整体体验良好，期待未来支持更多邮箱和中文功能。

本研究推出WithdrarXiv数据集，包含14000篇撤回论文及其评注，并开发出准确率高达0.96的自动分类方法，为科学质量控制和伦理问题提供重要见解。

本研究提出了一种基于卷积神经网络和迁移学习的自动分类方法，解决了卫星图像中土地结构手动识别的耗时问题。结果显示，该方法实现了94.8%的准确率，展示了深度学习在土地结构识别中的潜力。

本研究针对弥漫大B细胞淋巴瘤的ABC与GCB亚型进行自动分类，提出的深度学习模型在交叉验证中表现优异，平均曲线下面积达到87.4%。研究表明两者在几何和颜色特征上差异不大，强调了该方法在亚型分类及患者治疗管理中的重要性。

本研究提出了一种新颖的自动分类方法，利用大型语言模型（LLM）为加密货币滥用报告分配类型，解决了人工分类效率低的问题。经过290K报告验证，该方法显著提升了分类准确性，支持金融损失统计和标签地址生成。

本文使用深度卷积神经网络和迁移学习方法自动分类皮肤病变，提高病变检测的分类准确率。

自动疾病、杂草和作物分类是农业未来的重要部分。通过新的CNN架构PhytNet和红外可可树图像数据集，展示了PhytNet的发展和性能。PhytNet对特征关注度高，没有过拟合，计算成本低。PhytNet是快速疾病或植物分类的有希望的候选方案。

本文介绍 Gmail 的多种收件箱结构，使用人工智能技术自动分类和过滤邮件，用户可根据需求选择不同类型或自定义设置，多重收件箱适合需要更多控制的用户。

该论文提出了使用多个模型来高效检测脑肿瘤，并创建自动分类脑肿瘤的系统。在平衡数据集上评估了所提出架构的性能，并发现细调的 InceptionV3 模型的准确率为 99.33%。此外，还提出了一种成本敏感的神经网络方法，以处理不平衡数据集，在实验中取得了比传统模型准确率高近 4% 的成果。成本敏感的 InceptionV3 和 CNN 在不平衡数据集上分别显示出 92.31% 的准确率和 1.00 的召回率。该论文提供了数据集，并公开了实现。

该文介绍了一种利用弱因果信号模拟医学图像特征影响的自动分类方法。该方法由卷积神经网络和因果因子提取模块组成，可增强特征图。在前列腺 MRI 数据集上评估，结果表明改进了分类性能，产生更可靠的预测。