Towards LLM-driven Dialogue State Tracking
The Hong Kong Polytechnic University(香港理工大学)
本研究评估了ChatGPT在对话状态跟踪中的能力,并针对其闭源和隐私等局限,提出了基于开源小模型的LDST框架,通过领域-槽位指令微调在零样本和少样本设置下性能超越SOTA。
2023-10-23 cs.CL
SeDi-Instruct: Enhancing Alignment of Language Models through Self-Directed Instruction Generation
Daegu Gyeongbuk Institute of Science and Technology(大邱庆北科学技术院)
本文提出 SeDi-Instruct 框架,通过多样性过滤和迭代反馈任务生成,以更低成本自动生成高质量指令数据,在提升模型准确性的同时显著降低数据生成开销。
2025-02-07 cs.CL
A Categorical Archive of ChatGPT Failures
Quintic AI(昆蒂克人工智能公司)
本研究针对 ChatGPT 缺乏失败案例分析的问题,系统提出并讨论了包括推理、事实错误、数学、编码和偏见等十一类失败案例,旨在帮助研究人员和开发者改进未来的语言模型与聊天机器人。
2023-04-03 cs.AI cs.CL cs.LG
Evaluating the Application of ChatGPT in Outpatient Triage Guidance: A Comparative Study
Sichuan University(四川大学);West China Hospital, Sichuan University(四川大学华西医院);Pittsburgh Institute, Sichuan University(四川大学匹兹堡学院)
本研究比较了ChatGPT-3.5与4.0在门诊分诊指导中的回答一致性,发现4.0版本内一致性更高但3.5回答更完整,版本间一致性较低,为LLMs在门诊场景的应用提供了实证依据。
2024-04-27 cs.AI cs.CL cs.HC
Working Memory Capacity of ChatGPT: An Empirical Study
University of Oxford(牛津大学);Yale University(耶鲁大学)
本研究通过言语与空间n-back任务实证评估ChatGPT的工作记忆容量,发现其容量上限与人类相似,且指令策略不改变容量限制模式,提出n-back任务可作为大模型工作记忆基准工具。
2024-02-01 cs.AI cs.CL q-bio.NC
Summary of ChatGPT-Related Research and Perspective Towards the Future of Large Language Models
School of Physics and Information Technology, Shaanxi Normal University(陕西师范大学物理与信息技术学院);School of Life and Technology Biomedical-Engineering, Xi’an Jiaotong University(西安交通大学生命与技术学院生物医学工程系);School of Computing, The University of Georgia(佐治亚大学计算机学院);Department of Computer Science and Engineering, The University of Texas at Arlington(德克萨斯大学阿灵顿分校计算机科学与工程系);Department of Radiology, Massachusetts General Hospital and Harvard Medical School(麻省总医院放射科与哈佛医学院);School of Biomedical Engineering, ShanghaiTech University(上海科技大学生物医学工程学院);Shanghai United Imaging Intelligence Co., Ltd.(上海联影智能有限公司);Shanghai Clinical Research and Trial Center(上海临床研究与试验中心)
本文通过分析194篇arXiv相关论文,全面综述ChatGPT相关研究的进展、应用分布与发展趋势,探讨其能力、影响与伦理问题,为大型语言模型未来研究提供方向。
2023-08-22 cs.CL
Unsupervised Human Activity Recognition through Two-stage Prompting with ChatGPT
Osaka University(大阪大学)
针对无监督人类活动识别需人工准备活动描述的问题,提出基于ChatGPT的两阶段提示工程,在三个数据集上取得了当前最优性能。
2023-06-03 cs.CL cs.HC
Enhancing Complex Causality Extraction via Improved Subtask Interaction and Knowledge Fusion
Harbin Institute of Technology(哈尔滨工业大学);Huawei Cloud(华为云)
本文提出统一框架UniCE,通过子任务交互机制、双模态知识融合机制和独立解码器同时解决复杂因果关系抽取、子任务交互与知识融合三大挑战,在三个基准上超越ChatGPT至少30% F1,并可通过上下文学习提升ChatGPT性能。
2024-08-06 cs.AI cs.CL
Can ChatGPT pass the Vietnamese National High School Graduation Examination?
Eastern International University(东方国际大学);International University Vietnam(越南国际大学)
该研究通过让 ChatGPT 完成包含 30 篇作文和 1,700 道选择题的越南国家高中毕业考试,发现其能以 6-7 分平均分通过,证明其在多学科上具备辅助教育的潜力。
2023-07-10 cs.CL cs.HC
Enhancing Finite State Machine Design Automation with Large Language Models and Prompt Engineering Techniques
National Yang Ming Chiao Tung University(阳明交通大学)
本文研究了Claude 3 Opus、ChatGPT-4和ChatGPT-4o在有限状态机设计中的性能,利用HDLBits评估其稳定性,并探讨了提示优化方法TOP Patch对成功率的影响,发现该方法有望扩展至HDL设计自动化以外的领域。
2025-03-26 cs.AR cs.CL
Fairness of ChatGPT and the Role Of Explainable-Guided Prompts
Polytechnic University of Bari(巴里理工大学)
本研究探究GPT类大语言模型在信用风险评估二分类任务中的表现,发现经精心设计的提示引导和领域知识补充后,仅用20个数据点即可达到传统ML模型(需800个数据点)的性能,在减少假阳性和提升公平性方面表现突出,为LLMs应用于各类ML任务奠定基础。
2023-07-14 cs.AI cs.CL
ChatGPT-HealthPrompt. Harnessing the Power of XAI in Prompt-Based Healthcare Decision Support using ChatGPT
Polytechnic University of Bari(巴里理工大学)
本研究聚焦ChatGPT在临床决策中的应用,提出整合高性能可解释ML模型领域知识的上下文提示方法,还对比了不同数据条件下ChatGPT与传统监督ML模型的性能,为LLM在临床决策支持系统的应用提供新方法。
2023-08-17 cs.AI cs.CL cs.LG
Exploiting ChatGPT for Diagnosing Autism-Associated Language Disorders and Identifying Distinct Features
University at Albany(奥尔巴尼大学);West Virginia University(西弗吉尼亚大学);Washington University in St. Louis(圣路易斯华盛顿大学);Camas High School(卡马斯高中);California Institute of Technology(加州理工学院)
针对传统自闭症相关语言障碍诊断存在主观性、效率低的问题,本研究利用ChatGPT(大型语言模型)识别自闭症语言模式,零样本配置下其敏感性和阳性预测值较BERT等传统模型提升超10%,还发现十大关键特征,为临床诊断提供精准、高效的AI工具支持。
2024-11-29 cs.AI cs.CL
Enhancing Knowledge Graph Construction Using Large Language Models
Ss. Cyril and Methodius University(圣西里尔与美多德大学);Faculty of Comp. Sci. and Eng.(计算机科学与工程学院)
本文研究利用大型语言模型增强知识图谱构建,通过对比ChatGPT与REBEL在实体关系抽取上的表现,并探索自动本体创建,实验证明LLM能提升从非结构化文本构建知识图谱的准确性。
2023-05-08 cs.CL
HowkGPT: Investigating the Detection of ChatGPT-generated University Student Homework through Context-Aware Perplexity Analysis
New York University Abu Dhabi(纽约大学阿布扎比分校)
本文提出 HowkGPT,利用预训练 LLM 计算困惑度分数,并结合元数据定义类别特定阈值,以检测 ChatGPT 生成的大学生作业,旨在维护学术诚信与评分公平。
2025-03-11 cs.AI cs.CL
Can ChatGPT Read Who You Are?
ELLIS Alicante(阿利坎特ELLIS);University of South Bohemia(南波希米亚大学);Czech Institute of Informatics, Robotics, and Cybernetics, CTU in Prague(布拉格捷克理工大学捷克信息学、机器人与控制论研究所)
本研究通过155名捷克语参与者的文本数据,评估ChatGPT从短文本推断大五人格特质的能力,发现其表现可与人类评分者媲美,但存在积极偏差,并探讨了提示构成的影响及伦理问题。
2024-07-31 cs.CL cs.CY cs.HC
The Impact of ChatGPT and LLMs on Medical Imaging Stakeholders: Perspectives and Use Cases
Swiss Federal Institute of Technology Lausanne (EPFL)(洛桑联邦理工学院);Technical University of Munich(慕尼黑工业大学);University of Zurich(苏黎世大学);Boston College(波士顿学院)
本文研究 ChatGPT 等 LLM 在医学影像中的应用,提出 BIGR-H 分析框架,梳理其对各利益相关方的影响并给出用例与未来方向。
2023-07-06 cs.CL cs.CV cs.LG
Can GPT models be Financial Analysts? An Evaluation of ChatGPT and GPT-4 on mock CFA Exams
Queen’s University(女王大学);Virginia Tech(弗吉尼亚理工大学);J.P. Morgan AI Research(摩根大通人工智能研究院)
本研究通过模拟CFA考试评估ChatGPT和GPT-4的金融推理能力,涵盖零样本、思维链和少样本场景,分析其性能与局限,并探讨提升LLMs在金融领域适用性的策略。
2023-10-12 cs.AI cs.CL q-fin.GN
ChatGPT-3.5, ChatGPT-4, Google Bard, and Microsoft Bing to Improve Health Literacy and Communication in Pediatric Populations and Beyond
Yale College(耶鲁学院);Yale School of Medicine(耶鲁医学院)
本研究评估了 ChatGPT-3.5、ChatGPT-4、Bing 和 Bard 在改善儿科及更广泛人群健康素养方面的能力,发现它们能调整输出阅读水平,但低于六年级水平存在挑战,其中 ChatGPT 系列表现更优。
2023-11-16 cs.AI cs.CL
Enhancing Agricultural Machinery Management through Advanced LLM Integration
University of Massachusetts, Amherst(马萨诸塞大学阿默斯特分校)
本文提出利用GPT-4和多轮提示工程增强农业机械管理决策,通过系统优化提示并对比多种模型与方法,证明该方法在准确性和相关性上显著优于现有技术。
2024-07-30 cs.CL
Generative AI for Programming Education: Benchmarking ChatGPT, GPT-4, and Human Tutors
MPI-SWS(马克斯·普朗克软件系统研究所);Microsoft(微软公司);TU Wien(维也纳技术大学)
该研究系统性评估了ChatGPT和GPT-4在多种Python编程教育场景中的表现,发现GPT-4大幅优于ChatGPT且接近人类导师水平,并指出了其仍需改进的方向。
2023-08-01 cs.AI cs.CL cs.CY
Emotion-Aware Embedding Fusion in LLMs (Flan-T5, LLAMA 2, DeepSeek-R1, and ChatGPT 4) for Intelligent Response Generation
University of Hawaii at Manoa(夏威夷大学马诺阿分校);SelTeq(塞尔泰克公司);Donghua University(东华大学);Nanjing University of Aeronautics and Astronautics(南京航空航天大学)
本文提出情感感知嵌入融合框架,结合多情感词典、分层融合、注意力机制及FAISS向量检索,以增强Flan-T5、LLAMA 2等大语言模型在心理治疗中生成富有同理心回应的能力。
2025-03-11 cs.AI cs.CL cs.CY
MING-MOE: Enhancing Medical Multi-Task Learning in Large Language Models with Sparse Mixture of Low-Rank Adapter Experts
Cooperative Medianet Innovation Center(合作 Medianet 创新中心);Shanghai Jiao Tong University(上海交通大学);Fudan University(复旦大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
针对医学大模型多任务泛化受限、推理需任务标注的问题,本文提出基于MoLoRA技术的MING-MOE模型,在20余项医学任务上达SOTA,兼顾性能与推理效率。
2024-04-13 cs.CL
ProCoT: Stimulating Critical Thinking and Writing of Students through Engagement with Large Language Models (LLMs)
本文提出ProCoT写作方法,让学生通过引用同行评审文献来质疑LLM输出,从而在防止作弊的同时激发批判性思维与主动学习。
2024-05-01 cs.CL
Enhancing Embedding Performance through Large Language Model-based Text Enrichment and Rewriting
Arizona State University(亚利桑那州立大学);MyAutoBio Inc.(迈欧托生物公司)
本文提出利用大型语言模型在嵌入前对文本进行丰富和重写,以提升嵌入性能,在TwitterSemEval 2015数据集上取得显著改进,最佳得分达85.34。
2024-04-18 cs.CL
MemoryBank: Enhancing Large Language Models with Long-Term Memory
Sun Yat-Sen University(中山大学);Harbin Institute of Technology(哈尔滨工业大学);KTH Royal Institute of Technology(KTH皇家理工学院)
针对大型语言模型缺乏长期记忆机制的问题,提出MemoryBank,通过基于Ebbinghaus遗忘曲线的记忆更新机制实现记忆的调用、遗忘与强化,并兼容多种模型,在长期AI伴侣场景中展现出优异的共情与陪伴能力。
2023-05-21 cs.AI cs.CL
Enhancing Consistency of Werewolf AI through Dialogue Summarization and Persona Information
The University of Electro-Communications(电通大学)
本研究通过对话摘要和人物信息提升Werewolf AI代理发言的一致性。
2026-03-07 cs.AI cs.CL
Exploring an LM to generate Prolog Predicates from Mathematics Questions
NYU Shanghai(上海纽约大学)
本文研究通过思维链微调LLaMA7B模型生成Prolog代码并交由编译器执行,以提升大语言模型解决数学推理问题的准确率,发现单独生成Prolog优于基线且组合生成无显著提升,并开源了相关语料库与模型。
2023-09-08 cs.CL
Systematic Weight Evaluation for Pruning Large Language Models: Enhancing Performance and Sustainability
organization= College Of Science \& Engineering, Hamad Bin Khalifa University , addressline= Education City , city= Doha , postcode= 34110 , country= Qatar
本研究提出通过系统性评估训练中权重重要性来剪枝大型语言模型,实验表明适度剪枝提升效率,过度剪枝损害性能,旨在平衡AI发展与环境可持续性。
2025-02-24 cs.AI cs.CL
Enhancing Medical Support in the Arabic Language Through Personalized ChatGPT Assistance
Zagazig University(扎加齐格大学);Egypt-Japan University for Science and Technology(埃及-日本科技大学)
本研究评估了ChatGPT在阿拉伯语医疗诊断中的表现,通过编译疾病数据集并应用多种提示技术生成回复,发现其相似度平均分约76%,链式提示表现最佳,响应时间6.12秒,证实其作为医疗辅助工具的潜力。
2024-03-21 cs.CL cs.IR
Enhancing SLM via ChatGPT and Dataset Augmentation
Institute of Cognitive Science, Osnabrueck University(奥斯纳布吕克大学认知科学研究所)
本研究利用ChatGPT-3.5-Turbo生成合成推理来增强ANLI数据集,微调T5-Small,在NLI任务上分别提升1.3%和2.3%的准确率,展示了低成本利用LLM增强SLM性能的潜力。
2024-09-19 cs.CL
Benchmarking Large Language Models for Persian: A Preliminary Study Focusing on ChatGPT
University of British Columbia(不列颠哥伦比亚大学);University of Tehran(德黑兰大学);Tehran Institute for Advanced Studies(德黑兰高等研究院);Khatam University(哈塔姆大学)
本文首次系统评测大语言模型在波斯语任务上的表现,发现GPT-4等模型在推理和常识任务中占优但在特定任务上不及微调小模型,并揭示了翻译成英语可提升性能的潜力。
2024-04-03 cs.CL cs.LG
Zhongjing: Enhancing the Chinese Medical Capabilities of Large Language Model through Expert Feedback and Real-world Multi-turn Dialogue
Zhengzhou University(郑州大学)
针对中医领域LLM性能不足,提出Zhongjing模型,采用持续预训练、SFT和RLHF完整训练流程,并构建7万真实医患对话数据集CMtMedQA,显著提升多轮对话和主动询问能力,实验表明性能优于基线,部分能力媲美ChatGPT。
2023-12-28 cs.CL
Give Us the Facts: Enhancing Large Language Models with Knowledge Graphs for Fact-aware Language Modeling
Zhejiang Lab(之江实验室);Harbin Institute of Technology(哈尔滨工业大学)
针对大语言模型生成知识内容时事实回忆不足的问题,本文在综述知识图谱增强预训练语言模型研究的基础上,提出知识图谱增强大语言模型(KGLLM),为提升大模型事实推理能力提供新方案。
2024-01-30 cs.AI cs.CL
BLADE: Enhancing Black-box Large Language Models with Small Domain-Specific Models
Tsinghua University(清华大学);Quan Cheng Laboratory(泉城实验室);Beijing Institute of Technology(北京理工大学);Zhongguancun Laboratory(中关村实验室);Huawei Cloud BU(华为云业务部)
提出BLADE框架,通过结合黑盒通用LLM与小型领域特定LM,并采用预训练、知识指令微调及联合贝叶斯优化,以低成本方式有效增强垂直领域的专业知识与推理能力。
2024-03-27 cs.CL
AgentPeerTalk: Empowering Students through Agentic-AI-Driven Discernment of Bullying and Joking in Peer Interactions in Schools
Sydney Grammar School(悉尼文法学校);Telopea Park School(特洛皮公园学校);Haileybury Rendall School(黑利伯里伦德尔学校);Anglican Church Grammar School(圣公会教会文法学校)
本研究评估三款LLM辨别校园欺凌与玩笑的能力,发现采用智能体方法后ChatGPT-4的情境准确性最佳,可为学生提供实时支持。
2024-07-27 cs.AI cs.CL cs.CY
Enhancing In-Context Learning with Answer Feedback for Multi-Span Question Answering
Nanjing University(南京大学)
针对多跨度问答中 LLM 少样本提示仅展示正确答案的局限,本文在演示示例中加入现成模型预测答案的正确、错误或不完整反馈,实验证明该策略可稳定提升上下文学习性能。
2023-06-07 cs.AI cs.CL
Navigating the Peril of Generated Alternative Facts: A ChatGPT-4 Fabricated Omega Variant Case as a Cautionary Tale in Medical Misinformation
University Medicine Essen(埃森大学医学中心)
本研究通过 ChatGPT-4 编造的 Omega 变异株案例,警示 AI 生成虚假科学信息的风险,强调医学信息源批判性评估的必要性。
2024-02-04 cs.CL cs.CY cs.IR
Enhancing Programming eTextbooks with ChatGPT Generated Counterfactual-Thinking-Inspired Questions
University of Pittsburgh(匹兹堡大学);Indraprastha Institute of Information Technology, Delhi(德里英德拉普拉斯塔信息技术学院)
针对编程电子教材示例交互不足的问题,本文提出用 GPT 生成反事实思维启发式问题,以增强智能教材导航性并促进学生理解程序。
2023-06-06 cs.CL cs.HC
Quantifying Uncertainty in Answers from any Language Model and Enhancing their Trustworthiness
Cleanlab;University of Maryland(马里兰大学)
本研究提出BSDetector方法,为黑盒LLM的输出估计置信度以检测错误答案,在问答基准上表现优于现有方法,还能通过选高置信度响应提升答案准确性,并增强LLM自动评估的可靠性。
2023-10-04 cs.AI cs.CL
CTourLLM: Enhancing LLMs with Chinese Tourism Knowledge
University of Science and Technology Beijing(北京科技大学);Xinjiang Institute of Engineering(新疆工程学院)
针对大语言模型缺乏旅游知识的问题,构建了中文旅游数据集Cultour并微调Qwen模型得到CTourLLM,在景点介绍和旅行规划上优于ChatGPT。
2025-09-09 cs.AI cs.CL
WorkflowLLM: Enhancing Workflow Orchestration Capability of Large Language Models
Renmin University of China(中国人民大学);Tsinghua University(清华大学);The University of Manchester(曼彻斯特大学);Wuhan University(武汉大学)
针对现有LLM工作流编排能力不足的问题,提出数据为中心的WorkflowLLM框架,构建大规模数据集WorkflowBench并微调Llama-3.1-8B,显著提升复杂工作流编排及泛化能力。
2024-11-08 cs.AI cs.CL cs.SE
ReviewGuard: Enhancing Deficient Peer Review Detection via LLM-Driven Data Augmentation
University of North Texas(北卡罗来纳州立大学);North Carolina State University(北卡罗来纳州立大学)
ReviewGuard通过LLM驱动的数据增强技术,首次提出检测同行评审中缺陷评审的系统,提升检测性能并为AI治理提供依据。
2025-11-20 cs.CL
WizardLM: Empowering large pre-trained language models to follow complex instructions
Microsoft(微软);Peking University(北京大学)
本文提出Evol-Instruct方法,利用LLM自动生成复杂指令数据,微调LLaMA得到WizardLM,在多项评估中优于人类创建指令,接近ChatGPT性能。
2025-05-27 cs.AI cs.CL
Assessing Empathy in Large Language Models with Real-World Physician-Patient Interactions
Mayo Clinic(梅奥诊所);Intel Lab(英特尔实验室);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
本研究基于梅奥诊所真实医患互动数据,通过EMRank评估发现ChatGPT在共情回应上可超越人类医生,为提升患者护理和减少医生职业倦怠提供了新途径。
2024-05-26 cs.AI cs.CL
Enhancing Emotion Prediction in News Headlines: Insights from ChatGPT and Seq2Seq Models for Free-Text Generation
Boston University(波士顿大学);Monash University Indonesia(莫纳什大学印度尼西亚校区)
该研究针对新闻头条情绪预测任务,提出利用自由文本情绪解释作为中间输入的思路,通过训练Seq2Seq模型、使用ChatGPT生成解释及T5多任务微调等方法验证,证实该思路可显著提升分类性能。
2024-07-14 cs.CL
DuanzAI: Slang-Enhanced LLM with Prompt for Humor Understanding
School of Computer Science, Fudan University(复旦大学计算机科学学院)
DuanzAI通过精选数据集和提示技术增强大语言模型对中文俚语与幽默的理解,并开发了聊天机器人ChatDAI,实验对比了LLM与PER系统的性能。
2024-05-23 cs.CL
Enhancing Large Language Models with Domain-Specific Knowledge: The Case in Topological Materials
Computer Network Information Center, Chinese Academy of Sciences(中国科学院计算机网络信息中心);University of Chinese Academy of Sciences(中国科学院大学);Institute of Physics, Chinese Academy of Sciences(中国科学院物理研究所)
本文提出通过构建材料知识图谱与提示学习,开发专用对话系统TopoChat,以提升拓扑材料领域的信息检索与知识交互能力。
2024-12-25 cond-mat.mtrl-sci cs.CL cs.LG
Leveraging Language Models for Emotion and Behavior Analysis in Education
SANNO University(神奈川大学)
针对传统学生情感行为分析方法的隐私与扩展性问题,提出结合大语言模型与定制提示的文本分析方案,经多模型实验验证其在准确率和上下文理解上显著优于基线,为教育场景提供了非侵入式的实用分析工具。
2024-08-13 cs.CL
Enhancing Financial Sentiment Analysis via Retrieval Augmented Large Language Models
The University of Adelaide(阿德莱德大学);Columbia University(哥伦比亚大学);Brown University(布朗大学)
针对大语言模型直接用于金融情感分析时预训练目标不匹配、金融文本缺上下文的问题,提出含指令微调模块和检索增强模块的框架,较传统模型及ChatGPT、LLaMA等准确率和F1值提升15%至48%。
2023-11-04 cs.CL q-fin.ST q-fin.TR
LLMs for Enhanced Agricultural Meteorological Recommendations
Dongguk University(东国大学)
本文提出基于LLM与多轮提示工程的农业气象建议框架,在ChatGPT、Claude2和GPT-4上验证,准确率最高达90%,并经试点研究确认具有实用价值。
2024-07-30 cs.CL
An Assessment on Comprehending Mental Health through Large Language Models
Lua Health
本研究针对大语言模型在心理健康领域的应用空白,评估其理解自然语言中心理健康表达的能力,对比发现BERT、XLNet等transformer模型在DAIC-WOZ数据集上表现优于Llama-2和ChatGPT。
2024-02-02 cs.CL
LlamaCare: A Large Medical Language Model for Enhancing Healthcare Knowledge Sharing
Hong Kong Polytechnic University(香港理工大学)
本文提出微调医疗语言模型LlamaCare及扩展分类集成模块ECI,以低碳排放和单张24G GPU实现媲美ChatGPT的性能,解决分类冗余答案问题,并发布PubMedQA等基准数据。
2024-06-05 cs.AI cs.CL
Enhancing Large Language Models in Coding Through Multi-Perspective Self-Consistency
Wangxuan Institute of Computer Technology, Peking University(北京大学王选计算机研究所);Microsoft Research Asia(微软亚洲研究院)
针对代码生成单次尝试易错的问题,提出MPSC框架,从Solution、Specification和Test case三视角构建三部图并融合视角间与视角内一致性,显著提升ChatGPT在HumanEval、MBPP和CodeContests上的表现,甚至超过GPT-4。
2024-07-02 cs.AI cs.CL cs.SE