本研究分析了大型语言模型（LLM）在自动生成角色扮演游戏（RPG）会话时的语言特征。通过比较LLM生成的文本与人类对话及书籍，发现LLM展现出独特的表达模式，其训练方式显著影响叙事能力，为理解其叙事潜力提供了重要见解。

本研究分析了反对仇恨言论的影响及仇恨者的反应，提出的新三分类模型在准确性上优于传统模型，强调语言特征和常见错误，为提升网络对话的包容性提供了见解。

本研究分析了30多个热门政治播客中的毒性传播，发现大多数播客存在毒性实例，并识别了相关语言特征，为未来的监测和干预提供了基础。

本研究构建了一个包含3,320条推文的数据集，分析了英国政治中议员的敌意检测及其语言特征，并评估了预训练语言模型的表现，为未来研究提供了重要见解。

本研究提出RoSIS框架，解决外科仪器分割中的信息不对称问题，通过结合视觉与语言特征，提升复杂环境下的分割性能，具有重要的临床应用价值。

研究分析了AI生成的反言论在类人性方面的不足，揭示了其与人类撰写的差异。通过评估多种语言模型，发现两者在语言特征、礼貌性和特异性上有区别，易被识别。这为提高反言论的有效性提供了思路。

本研究解决了多语言模型在不同语言间表现不均的问题，提出了一种基于语言特征选择的调优方法，降低计算成本，提高数据质量，提升模型多任务表现。

本研究使用几何方法首次将数据集的组合度与内在维度关联，揭示了组合性与几何复杂性之间的关系，展示了语言特征在组合任务中的编码形式。

该系统利用声学、认知和语言特征，通过神经网络检测阿尔茨海默病及其严重程度。在ADReSS数据集上精度为83.3%，在DementiaBank Pitt数据库上精度为88.0%，验证了无意识语音的通用性。

通过研究语言特征和文本相似性，揭示了患者表达方式的差异，并利用预训练语言模型实现了准确的自动化患者声音分类。这是推进医疗标准和以患者为中心的关键一步。

本研究评估了新型扩散模型的性能，发现基于W1KP方法在精确性方面胜过其他基线模型最高达18个点。同时，利用W1KP研究了提示语的可重用性，并通过分析提示语的语言特征发现长度、嵌入向量范数、具象度和词义影响图像的可变性。

本文介绍了RoMe，一种自动评估度量，通过语言特征和树编辑距离等评估生成句子质量，优于其他方法。

本文研究构建人工智能口语对话系统，使用大型语言模型展示其语音理解能力，通过统一编码格式整合对话回应和语言特征。实验结果表明，基于LLM的方法是构建统一口语对话系统的有前景方向。

该研究提出了一种多模式系统，利用声学、认知和语言特征，通过专业人工神经网络检测阿尔茨海默病及其严重程度。系统在ADReSS挑战数据集上达到了83.3％的精度，在DementiaBank Pitt数据库上达到了88.0％的分类精度。研究验证了无意识语音的通用性和可移植性。

该研究提出了一种多模式系统，结合声学、认知和语言特征，使用专业人工神经网络检测阿尔茨海默病及其严重程度。在ADReSS挑战数据集上，精度达到83.3％；在DementiaBank Pitt数据库上，分类精度达到88.0％。研究验证了无意识语音的通用性和可移植性。