A Comprehensive Survey on Process-Oriented Automatic Text Summarization with Exploration of LLM-Based Methods
Southwestern University of Finance and Economics（西南财经大学）
本文从面向过程的视角全面综述自动文本摘要（ATS）方法，重点探讨大型语言模型（LLM）在ATS中的最新应用，填补了文献空白。
2025-10-31 cs.AI
Acquisition d'informations lexicales à partir de corpus Cédric Messiant et Thierry Poibeau
Laboratoire d’Informatique de Paris-Nord（巴黎北方信息学实验室）
本文研究的是语料库中词汇信息的自动获取，特别是次范畴化的获取。
2009-11-30 cs.AI cs.CL
Automatic Open Knowledge Acquisition via Long Short-Term Memory Networks with Feedback Negative Sampling
POSTECH (Pohang University of Science and Technology)（浦项科技大学）
以往的开放式信息抽取（Open IE）研究主要是基于抽取模式的。它们手动定义模式或从大型语料库中自动学习模式。然而，这些方法在把握句子的上下文时都有局限性，而且它们无法捕捉隐含的关系。在本文中，我们用以下方法解决这个问题。首先，我们利用长短期记忆（LSTM）网络沿着最短依赖路径提取更高级别的特征，连接关系和参数的词头。LSTM网络的路径级特征提供了有关上下文信息和参数有效性的有用线索。其次，我们构造样本来训练LSTM网络，而不需要手动标记。特别地，反馈负采样通过用正样本训练的模型在非正样本中挑选高度负样本。实验结果表明，我们的方法产生更精确和丰富的提取比国家的最先进的开放IE系统。据我们所知，这是第一个将深度学习应用于Open IE的工作。
2016-05-25 cs.AI cs.CL cs.NE
RAS: a Reliability Oriented Metric for Automatic Speech Recognition
X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, China（上海交通大学计算机科学学院X-LANCE实验室，中国）；MoE Key Lab of Artificial Intelligence（人工智能MOE重点实验室；江苏语言计算重点实验室，中国）；Jiangsu Key Lab of Language Computing, China
本研究提出了一种面向可靠性的度量标准RAS，用于评估自动语音识别系统在不确定段落中的转录可靠性，通过引入一种具有退避意识的转录框架，结合人类偏好校准的参数，提升了转录的可靠性同时保持了准确性。
2026-06-08 cs.AI cs.SD
Automatic Analysis of Collaboration Through Human Conversational Data Resources: A Review
本文综述了利用任务导向对话资源分析协作过程，涵盖相关理论、编码方案、任务和建模方法，探讨如何利用人类对话数据进行协作分析。
2026-03-30 cs.AI cs.CL
Towards Automatic Evaluation of Task-Oriented Dialogue Flows
USC Information Sciences Institute（南加州大学信息科学研究所）；Got It AI
本文提出FuDGE（模糊对话图编辑距离）这一新颖指标，通过评估结构复杂性和对话数据表征覆盖度，解决任务型对话流缺乏标准评估方法的问题，有效提升对话设计的效率与自动化水平。
2024-11-15 cs.AI cs.CL
Automating Knowledge Acquisition for Content-Centric Cognitive Agents Using LLMs
Rensselaer Polytechnic Institute（伦斯勒理工学院）
本文提出一种利用大语言模型自动扩充认知智能体语义词典的方法，通过混合架构结合知识库与LLM，成功学习与及物动词等价的多词表达式，验证了其有效性。
2023-12-27 cs.AI cs.CL
The Evolution of Concept-Acquisition based on Developmental Psychology
Fudan University（复旦大学）
具有丰富内涵的概念体系是提高基于知识的人工智能系统性能的关键。概念系统具有丰富的概念和语义关系，具有可发展性、可演化性和多任务适应性，其实际构建是知识工程的主要挑战之一，也是知识和概念化研究的基本目标。因此，找到一种新的方法来表示概念和构造概念系统将大大提高许多智能系统的性能。所幸的是，人类认识的核心是一个具有相对完整概念的系统，以及一个保证系统建立和发展的机制。人类的概念体系不可能立即实现，而必须逐步发展。发展心理学在行为层面上仔细观察了人类概念获得的过程，并与认知心理学一起对这些观察提出了一些粗略的解释。然而，由于在表征、系统模型、算法细节和实现等方面的研究不足，发展心理学的许多成果还没有直接应用于人工概念系统的构建。例如，Karmiloff-Smith的表征再描述（RR）假设反映了一个概念获得的过程，重新描述一个概念的较低级别的表示到一个更高的。本文正是受这一发展心理学观点的启发。由于OO范式是描述外部世界的自然方式，并且具有严格的语法规则，我们采用面向对象的方法从形式语义的角度对RR假设进行了重新解释和具体化。
2020-11-26 cs.AI
Naturalness Evaluation of Natural Language Generation in Task-oriented Dialogues using BERT
Mercedes-Benz AG（梅赛德斯-奔驰股份公司）；Ulm University（乌尔姆大学）
本文提出了一种自动评价对话系统中自然语言生成自然度的方法。虽然这个任务以前是通过昂贵和耗时的人工渲染，我们提出了这个新的任务生成的语言的自动自然度评估。通过微调的BERT模型，我们提出的自然度评价方法显示出强大的结果，并优于基线：支持向量机，双向LSTM，和BLEURT。此外，通过对质量和信息量较高的语言知识进行迁移学习，提高了自然度模型的训练速度和评价性能。
2021-11-26 cs.AI cs.CL
DiagGPT: An LLM-based and Multi-agent Dialogue System with Automatic Topic Management for Flexible Task-Oriented Dialogue
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对现有大语言模型在复杂诊断类任务型对话中表现不足的问题，本文提出具备自动主题管理功能的多智能体系统DiagGPT，可拓展大模型的任务型对话适用场景、提升交互灵活性，实验验证其性能优异。
2024-04-15 cs.AI cs.CL
Learning-to-Ask: Knowledge Acquisition via 20 Questions
Tsinghua University（清华大学）；Microsoft Research（微软研究院）；Alibaba AI Labs（阿里巴巴人工智能实验室）
几乎所有的知识授权应用程序都依赖于准确的知识，这些知识要么必须以高成本手动收集，要么必须自动提取，错误无法消除。在本文中，我们研究了20个问题，一个在线互动游戏，其中每个问题-答案对对应于目标实体的一个事实，以获得高准确性的知识，有效地接近零的劳动力成本。通过20个问题的知识获取主要对与人类玩家玩游戏的智能代理提出了两个挑战。第一个是寻找足够的信息，用尽可能少的问题来识别目标实体，第二个是利用剩余的提问机会来有效地获取有价值的知识，这两个都依赖于良好的提问策略。为了应对这些挑战，我们提出了学习提问（LA）框架，在该框架内，智能体分别通过深度强化学习和广义矩阵分解学习智能提问策略，用于信息搜索和知识获取。此外，贝叶斯方法来表示知识，以确保噪声用户响应的鲁棒性。在真实数据上的仿真实验表明，该算法能够为Agent提供有效的提问策略，从而提高了Agent的成功率和知识获取的速度。此外，信息寻求和知识获取的提问策略提高了彼此的性能，允许代理从相对较小的知识集开始，并在没有持续的人类监督的情况下快速提高其知识库。
2018-06-22 cs.AI
Automatic weld seam segmentation for industrial quality control: a comparison of RGB and polarimetric imaging with CNN and transformer architectures
Fraunhofer Italia Research（弗劳恩霍夫意大利研究院）
本研究对比RGB与偏振成像、CNN与Transformer架构在工业焊缝自动分割中的表现，发现偏振成像无需受控采集即可达高准确率，Transformer在视点偏移下鲁棒性优于CNN。
2026-08-27 cs.AI cs.CV
A Road-map to Robot Task Execution with the Functional Object-Oriented Network
Technical University of Munich（慕尼黑工业大学）；University of South Florida（南佛罗里达大学）
在联合对象-动作表示方面的工作之后，引入了功能面向对象网络（FOON）作为机器人的知识图谱表示。FOON采用二分图的形式，包含符号或高级信息，这些信息与机器人对其环境和任务的理解有关，反映了人类对动作的理解。在这项工作中，我们概述了未来的发展路线图FOON和它的应用在机器人系统的任务规划以及知识获取从示范。我们提出了初步的想法，以展示如何在现实世界的场景中创建一个FOON与机器人和人类教师的方式，可以共同增强现有的知识在FOON和教机器人的技能，它需要复制演示的动作，并解决给定的操作问题。
2021-06-01 cs.AI cs.RO
Doing Natural Language Processing in A Natural Way: An NLP toolkit based on object-oriented knowledge base and multi-level grammar base
China Mobile Research Institute（中国移动研究院）
介绍了一个基于面向对象知识库和多级语法库的自然语言处理工具包。该工具包以语义解析为核心，具有自动发现新知识和语法的能力，新发现的知识和语法将由人工识别，并用于更新知识库和语法库。这个过程可以重复多次，以不断改进工具包。
2021-06-08 cs.AI cs.CL cs.LG
Fast Training Data Acquisition for Object Detection and Segmentation using Black Screen Luminance Keying
Fraunhofer IGD（弗劳恩霍夫IGD研究院）；TU Darmstadt（达姆施塔特工业大学）
针对目标检测训练数据获取成本高的问题，提出基于99.99%吸光率黑屏的亮度键控方法，自动生成标注数据，在YCB-V数据集上效果优于传统渲染方法且耗时极短。
2024-05-13 cs.AI cs.CV
Evaluation of Environmental Conditions on Object Detection using Oriented Bounding Boxes for AR Applications
Kingston University（金斯顿大学）；University of Westminster（威斯敏斯特大学）；International Hellenic University（国际希腊大学）；University of Western Macedonia（西马其顿大学）
本研究提出一种结合定向边界框与深度网络的AR目标检测新方法，通过真实和合成数据集评估，证明其在多数环境条件下能提升小目标的平均精度与准确性。
2024-11-11 cs.AI cs.CV
Extending Object-Oriented Languages by Declarative Specifications of Complex Objects using Answer-Set Programming
许多应用程序需要复杂结构的数据对象。如果所考虑的对象受到不同的应用程序特定的约束，则开发用于创建此类对象的新算法解决方案或调整现有算法解决方案可能是一项重要且昂贵的任务。但是，通常以声明方式描述所需的对象相对容易。在本文中，我们建议使用答案集编程（ASP）--一个完善的声明式编程范式从该地区的人工智能--实例化对象的标准面向对象的程序设计语言。特别是，我们扩展了Java的声明性规范，所需的对象可以使用可用的ASP求解器技术自动生成。
2011-12-06 cs.AI cs.PL
Bayesian Optimization with Automatic Prior Selection for Data-Efficient Direct Policy Search
Inria（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；Université de Lorraine（洛林大学）
用于直接策略搜索的贝叶斯优化的最有趣的特征之一是它可以利用先验（例如，从模拟或从先前的任务）来加速机器人上的学习。在本文中，我们感兴趣的情况下，存在几个先验，但我们事先不知道哪一个最适合当前的情况。我们解决这个问题，通过引入一种新的采集功能，称为最可能的预期改善（MLEI），结合先验的可能性和预期的改善。我们评估这个新的采集功能上的迁移学习任务的5自由度平面臂和可能损坏的，6条腿的足式机器人，必须学会走在平地上和楼梯上，与先验对应于不同的楼梯和不同种类的损害。我们的研究结果表明，MLEI有效地识别和利用先验，即使当前情况和先验之间没有明显的匹配。
2018-03-13 cs.AI cs.LG cs.NE
COOL: A Constraint Object-Oriented Logic Programming Language and its Neural-Symbolic Compilation System
Beijing Huagui Technology（北京华贵科技）
针对神经网络与逻辑编程融合的传统难题，本文提出COOL约束面向对象逻辑编程语言及编译系统，可自主收集数据、融入用户提示降低训练不足风险、增强模型交互以促进复用增强，为相关领域发展提供参考。
2023-11-07 cs.AI cs.CL cs.DC
Towards Trustworthy Automatic Diagnosis Systems by Emulating Doctors' Reasoning with Deep Reinforcement Learning
Mila-Quebec AI Institute（魁北克人工智能研究所Mila）；Dialogue Health Technologies Inc.（Dialogue健康科技公司）
医疗证据获取和诊断过程的自动化最近引起了越来越多的关注，以减少医生的工作量，使获得医疗服务的机会民主化。然而，在机器学习文献中提出的大多数工作仅仅集中于提高患者病理的预测准确性。我们认为，这一目标是不足以确保医生接受这种系统。在与患者的最初互动中，医生不仅专注于确定患者所患的病理;相反，他们会做出鉴别诊断（以合理疾病的简短列表的形式），因为从患者那里收集的医学证据通常不足以建立最终诊断。此外，医生会明确探索严重的病理，然后才可能将其排除在鉴别诊断之外，特别是在急症护理环境中。最后，为了让医生相信系统的建议，他们需要了解收集的证据如何导致预测的疾病。特别是，系统与患者之间的交互需要模仿医生的推理。因此，我们建议使用深度强化学习框架来建模证据获取和自动诊断任务，该框架考虑医生推理的三个基本方面，即使用探索-确认方法生成鉴别诊断，同时优先考虑严重的病理。我们提出了基于这三个方面的交互质量评估指标。我们表明，我们的方法比现有的模型表现更好，同时保持有竞争力的病理预测准确性。
2022-10-13 cs.AI cs.CL cs.LG
