Potential Benefits of Employing Large Language Models in Research in Moral Education and Development
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments Initial version of SeqGPT
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
Comments 10 pages, 1 figure
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 领域大模型 :language model(title,abstract);large language model(title);LLM(abstract);分类 cs.CL
Comments 8 pages. ImageClef 2023 MediQA-Sum
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments 4 Pages, 1 Figure
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments Version 1, April 11, 2023. 48 pages
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.LG
Comments 5 pages, 1 figures
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments 36 pages, 9 figures, and 4 tables
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.LG
Comments SIGBOVIK 2023
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Journal ref Journal of the Association for Information Science and Technology (2023)
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments 8 pages
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments 4 pages (excluding references and appendix), 2 figures, 2 tables. Submitted to Robotics: Science and Systems 2022 2nd Workshop on Scaling Robot Learning. Corrected typos and notation
专题命中 领域大模型 :language model(title,abstract);pretraining(title,abstract);分类 cs.CL
Comments 9 pages
专题命中 领域大模型 :language model(title,abstract);prompting(title,abstract);分类 cs.CL
Comments Accepted to EMNLP 2021
面向基于大语言模型的时间序列异常检测的结构化频域证据
机构 * Hanyang University(汉阳大学)
专题命中 领域大模型 :LLM(title,summary_cn);分类 cs.AI、cs.LG
AI总结 该研究针对现有基于LLM的时间序列异常检测方法缺乏显式频域证据的问题,提出证据增强的零样本TSAD框架,经多模型实验验证频域证据可提升检测性能。
分子大语言模型智能体:从架构设计到科学自主性
机构 * The Hong Kong Polytechnic University(香港理工大学) ; Shanghai AI Lab(上海人工智能实验室) ; National University of Singapore(新加坡国立大学) ; Shanghai Jiao Tong University(上海交通大学)
专题命中 领域大模型 :LLM(title,summary_cn);分类 cs.CL、cs.AI
AI总结 该研究提出分子LLM智能体的概念框架,从架构设计和科学自主性阶梯两方面展开,为分子领域LLM智能体的比较、设计评估及部署提供指导。
Comments 25pages
系统综述LLM筛选中的类别不平衡与批次效应
专题命中 领域大模型 :LLM(title,title_cn);分类 cs.CL、cs.AI
AI总结 本研究针对系统综述的LLM筛选场景,发现批次处理对决策行为的影响大于患病率元数据,建议评估批次处理需兼顾成本与决策行为效应。
Comments 12 pages, 4 figures. Accepted at ENIAC 2026 (National Meeting on Artificial and Computational Intelligence), part of BRACIS 2026
MIDAS:多大语言模型迭代数据自适应摘要生成
机构 * Volkswagen Group Innovation(大众集团创新公司)
专题命中 领域大模型 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI
AI总结 针对现有自动提示词优化方法无法适配多样摘要需求的问题,提出多大语言模型迭代数据自适应摘要生成框架MIDAS,在企业客户工单摘要任务中优于CriSPO等方法,还具备跨模型与跨领域泛化能力。
Comments Accepted at the 20th International Conference on Document Analysis and Recognition (ICDAR 2026). 17 pages, 2 figures
用于基于大语言模型的科学摘要简化的人工参与语料库
机构 * ScaDS.AI, Technische Universität Dresden(ScaDS.AI,德累斯顿工业大学)
专题命中 领域大模型 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI
AI总结 研究基于大语言模型的科学文本简化,提出人工参与工作流程,先以GPT-4o-mini生成基线简化,再经不同阶段读者与专家反馈编辑,发布语料库及评估结果,支持跨学科科学交流简化系统相关工作。
Comments Accepted at FGWM@KI2026