研究使用自监督视觉变换器和嵌入检索方法解决物种丰富但数据稀缺的兰花属识别问题，对比了多种预训练模型，发现DINOv2表现最佳。
本文针对视觉和文本漂移问题，建立了首个跨域遥感图像分割基准VPRef，并通过低秩适应方法提高模型在不同领域的适应性。
本文提出PhysioAI，通过结合临床知识指导的语义监督和基于骨架的动作识别，解决了远程康复场景中动作识别准确性的问题。
通过调整SparseBin和cuSPARSE算法的四个参数，优化了自组织映射训练中的最佳匹配单元搜索，显著提高了处理速度。
本文通过博弈论视角审视AI对齐问题，针对偏好多样性、对齐优先级和时间动态性三大挑战，综述了现有方法并探讨了构建鲁棒、自适应及可验证AI系统所面临的难题。
研究使用自监督视觉变换器和嵌入检索方法解决物种丰富但数据稀缺的兰花属识别问题，对比了多种预训练模型，发现DINOv2表现最佳。
本文针对视觉和文本漂移问题，建立了首个跨域遥感图像分割基准VPRef，并通过低秩适应方法提高模型在不同领域的适应性。
本文提出PhysioAI，通过结合临床知识指导的语义监督和基于骨架的动作识别，解决了远程康复场景中动作识别准确性的问题。
通过调整SparseBin和cuSPARSE算法的四个参数，优化了自组织映射训练中的最佳匹配单元搜索，显著提高了处理速度。
本文通过博弈论视角审视AI对齐问题，针对偏好多样性、对齐优先级和时间动态性三大挑战，综述了现有方法并探讨了构建鲁棒、自适应及可验证AI系统所面临的难题。