该研究提出了一种新的EL扩展，通过弱化否定形式和引入范畴语义，解决了生物医学本体中负知识表示不足的问题，从而增强了推理器的解释能力。

Change enablement, also known as change management, is at the core of ITIL® service transition. The maturity of an organization depends on how well it facilitates change requests (CR) in response...

本研究提出了一种基于强化学习的微调方法，解决了游戏描述生成中的特征再现问题。引入语法和概念奖励后，实验结果表明该方法在文本的语法正确性和忠实性方面显著优于传统监督微调，具有较大应用潜力。

本研究通过多轮推理引导的视觉语言模型，解决了视觉注释者与盲人及低视力用户需求不匹配的问题。我们发布了包含5000个图示和137,000个样本的数据集Sightation，证明其在多种任务中的微调潜力。

本研究提出MMLNB模型，结合病理图像与文本描述，解决神经母细胞瘤亚型分类中的诊断不一致性和主观性问题。实验结果表明，该模型的分类精度优于单模态模型，推动了数字病理学的发展。

本研究提出了一种基于时空事件的可解释性方法，用于生成视频描述，解决视觉与语言理解的难题，展示了生成连贯且丰富视频文本描述的潜力。

本研究探讨了自然语言处理中的语义描述，提出通过迭代上下文学习提示和GPT-4o增强数据集，以提升SQL查询翻译效果。结果表明，利用SQL图特性进行样本选择的模型表现优于随机选择，BLEU得分提高了39%。

本研究探讨了描述逻辑本体中的基数查询光谱，提出了一类有效的计数查询。结果显示，对于$\mathcal{ALCIF}$本体，光谱形状为闭合于加法的$\mathbb{N} \cup \{ \infty \}$的子集，且大多数子逻辑的光谱更简单，具有重要的理论和应用价值。

本研究提出了ProtDAT框架，解决了大型语言模型在蛋白质设计中多模态数据关系捕获不足的问题。通过多模态交叉注意力机制，ProtDAT有效整合蛋白质序列与文本信息，实验结果表明其在蛋白质序列生成方面表现优异，提升了设计的有效性与功能性。

本研究通过机器学习框架优化复合系统的描述，解决了复杂系统组件连接性理解的粗糙性和计算限制问题。研究表明，系统整体变异源于各组成部分的极值描述，为探测复杂系统结构提供了新方法。

本研究提出了一种新的符号回归方法SR4MDL，通过基于最小描述长度的搜索目标，解决了预测误差下降不规律的问题。该方法在测试中成功恢复约50个公式，超越了现有最先进的方法。

本研究提出了一种创新方法，通过多轮人类注释改善图像描述，解决了对图像的过度依赖和元数据透明度不足的问题。结果表明，该方法生成的描述更为丰富，提升了文本到图像生成和零-shot图像分类的效果。

本研究提出了MapEqPool方法，解决了图表示学习中的图池化问题。该方法考虑了现实世界图的层次结构，基于最小描述长度原理，实验证明在标准图分类数据集上表现竞争性。

Introduce a standard format for a static description file with build details of Python installations.