本文介绍了如何使用Linux、宝塔面板、Docker和Discourse搭建开源社区论坛。Discourse具备实时互动、移动友好和用户信任管理功能，适合企业和兴趣社群。文章涵盖域名注册、服务器准备及Discourse的安装配置，提供实用技巧，简化新手部署流程。

本文介绍了如何在Discourse论坛中配置AI功能，包括启用AI插件、设置LLM和Embedding模型，以实现翻译和内容审核，提升社区管理效率。用户可通过硅基流动API免费获取资源，支持多语言自动翻译和审核。

本文记录了将 Arch Linux 中文论坛从 FluxBB 迁移到 Discourse 的过程，讨论了技术细节、遇到的问题及解决方案。迁移后，论坛界面现代化，功能增强，用户体验显著提升。

本研究提出了一种基于文本中心的多模态评估方法，旨在解决课堂话语评估的不足。通过注意力机制和多任务学习，评估自然话语、提问和解释的质量。结果表明，文本模态主导，音频特征提升了模型与人类评分的一致性，为自动评估课堂话语质量奠定了基础。

本研究提出了一种基于话语驱动规划的自动摘要方法，旨在提高摘要的解释性内容。实验结果表明，该方法在质量、稳健性和可控性方面优于现有技术，并有效减少了幻觉现象。

本文探讨了语法主体为何被视为“岛屿”，揭示了传统生成语法的局限性。三项实验表明，主体岛屿效应在不同构式中存在，支持将岛屿视为独立于交际功能的抽象句法表示。

本研究提出了一种框架，通过话语分析将长文档分解为片段，从而有效解决了长文档摘要中的事实不一致性检测问题，显著提升了摘要质量。

本研究提出了名为forePLay的波兰语情色内容检测数据集，包含超过24,000个带注释的句子。研究表明，专门的波兰语言模型在检测效果上优于多语言选项，为开发内容审核系统提供了重要框架。

本研究提出了一种优化教师话语评估的方法，旨在解决评估过程的劳动密集型问题。通过训练大型语言模型识别引导性信息，发现教师主要使用强调参与好处的信息，并建议进行干预以提升教学质量和学生成绩。

本研究提出了SAGA22数据集，以解决数学辅导话语分析中的数据不足问题。通过结合课堂数据的预训练，显著提升了模型在处理长背景和发言者信息时的性能。

该研究提出了一种新方法和数据集，以解决现有机器生成内容检测器在同义改写文本处理中的不足。通过使用MhBART和DTransformer模型，结合人类写作风格和语篇分析，显著提高了检测性能。

本研究探讨了文类翻译中的话语层次翻译问题，重点分析了中英、中德和中俄语言对的翻译性能，并通过自动与人工评估相结合，提供了系统性的性能评估，推动了该领域的发展。