cs
04-28 00:00
针对食品包装OCR缺乏标准化基准的问题，研究者提出HalalBench，包含1,043张图像（50张真实、993张合成）和36,438个COCO格式标注，覆盖14种语言。评估显示现有引擎（docTR、ML Kit、EasyOCR）在日文上F1=0.000，而提出的后处理算法将F1提升36%。该基准已通过生产级清真扫描应用HalalLens验证。
ocr清真食品验证多语言食品包装基准测试后处理算法
cs
04-28 00:00
核工程安全决策依赖可追溯的领域知识，但现有大模型易产生幻觉。本文提出RADIANT-LLM框架，采用本地优先、模型无关架构，结合多模态文档处理与元数据知识库，支持页面/图表级检索。通过智能体协调领域工具、强制引用溯源及人工验证，在核燃料存储设施基准测试中，上下文精度与视觉召回率达85-98%，幻觉率显著低于通用大模型，保障了核工程所需的准确性与可审计性。
核工程检索增强生成安全决策多模态幻觉抑制可追溯性
cs
04-28 00:00
本研究提出基于大语言模型的“客户数字孪生”框架，通过聚合Reddit用户评论构建个性化向量数据库，结合检索增强生成与提示工程，让AI代理模拟真实用户进行成对比较。逻辑回归分析显示，该方法预测用户偏好的准确率达87.73%，在显示器品类案例中成功量化面板类型与分辨率等属性的权衡，为市场研究提供高敏捷、低成本的替代方案。
大语言模型客户数字孪生联合分析偏好预测检索增强生成
cs
04-28 00:00
StratRAG 是一个开源检索评估数据集，专门用于在含噪文档池条件下测试检索增强生成（RAG）系统的多跳推理能力。它包含 2200 个样本，涵盖桥接、比较和是非三类问题，每个样本配 15 篇候选文档（含 2 篇黄金文档和 13 篇干扰项）。基准测试显示混合检索策略表现最佳（Recall@2=0.70, MRR=0.93），但桥接问题仍具挑战，需进一步研究强化学习检索策略。
检索增强生成多跳推理评估数据集混合检索桥接问题
cs
04-28 00:00
针对电商广告实时分析中NL-to-DSL延迟高、成本大的问题，小红书提出RedParrot框架。它通过语义缓存匹配查询骨架，绕过昂贵流水线，实现3.6倍加速和8.26%准确率提升。核心贡献包括离线骨架构建、实体无关嵌入模型和异构RAG方法，在Spider/BIRD基准上准确率提升34.8%。
语义缓存自然语言转dsl业务分析检索增强生成对比学习实时分析
cs
04-28 00:00
本文提出TeCQR模型，针对Stack Overflow等社区问答平台，利用标签增强的澄清问题构建对话，并设计噪声容忍模型处理反馈。通过两阶段离线训练学习问题与标签的细粒度表示，结合对话上下文检索相关问答。实验表明，该方法显著优于现有基线，有效提升了问答检索的准确性与鲁棒性。
社区问答对话式检索标签增强噪声容忍细粒度表示
cs
04-28 00:00
本研究提出统一基准框架，量化大语言模型（LLM）在相同任务下API发现与排序的分歧。通过15个API领域和5个模型家族的测试，发现整体一致性中等（平均重叠约0.50，Kendall's tau约0.45），但高度依赖任务类型：结构化任务（如天气）稳定，开放任务（如情感分析）分歧显著。该框架为多智能体系统的可靠性编排和预部署安全风险检测提供诊断工具。
大语言模型api检索分歧量化多智能体系统基准测试安全风险
cs
04-28 00:00
本文提出行为智能平台（BIP），将原始事件流自动转化为可解释的洞察。BIP 包含四层架构：标准化与状态推导、行为图引擎（基于吸收马尔可夫链建模用户旅程）、行为知识图谱与检测器系统（提取事实并识别现象），以及约束大语言模型输出的接地语言层。该平台定义了行为智能问题，并引入检测器分类法与有趣度评分，实现主动式行为分析。
行为智能事件流分析马尔可夫链知识图谱大语言模型自主洞察
cs
04-28 00:00
该研究指出，用户向LLM寻求道德判断（如“谁错了？”）时，隐含了拟人化投射。分析四个主流LLM的回复发现，它们通过语言、行为等拟人化线索强化了这种假设，可能加剧过度依赖和信任错位。研究贡献了模拟用户查询数据集，呼吁未来关注用户侧拟人化并设计解决方案。
拟人化道德判断大语言模型用户期待过度依赖
cs
04-28 00:00
本文探讨欧盟AI法案与行政法基本原则的互动，聚焦高风险AI系统在公共部门（如社会福利、移民、教育、执法）的部署义务。分析法案在自动化决策中确保问责、透明和可审查性的能力，并提出保障措施以确保AI合法、合乎道德地应用于公共领域。
欧盟ai法案算法行政行政法高风险ai公共部门问责透明
cs
04-28 00:00
本文综述了人工通用智能（AGI）到达时间的预测方法现状，评估其可靠性，并分析对战略与政策的影响。研究整合了多种预测方法，指出现有方法的显著局限，并提出构建更稳健预测基础设施的研究议程。报告不认可特定预测或场景，而是提供在深度不确定性下解读预测的框架。
agi预测方法论评估战略影响深度不确定性人机协作
cs
04-28 00:00
本文指出医疗AI伦理讨论多聚焦后端（如偏见、公平性），而前端界面中用户与AI的关系失衡被忽视。通过“非对称可读性”概念和远程医疗案例，揭示设计选择（如默认推荐、限制输入）如何削弱患者自主权和临床判断，即使系统技术准确。提出“互惠性”设计方向，促进更平衡、参与式的用户-AI关系。
医疗ai前端设计伦理失败非对称可读性用户-ai关系互惠性
cs
04-28 00:00
本研究提出一种隔离优先的本地化LLM架构，通过严格网络隔离、出站过滤和监控，满足医疗数据隐私法规。在德国大学医院试点中，22名放射科医生使用DeepSeek-R1模型，文本锚定任务（如报告修正）获得高实用性评分，但开放式结论生成出现临床相关幻觉。该架构已获批处理未匿名PHI，并作为官方服务部署。
放射科大语言模型数据隐私网络隔离临床评估开源模型
cs
04-28 00:00
本文提出“Learning in Blocks”框架，通过异构多智能体辩论（HeteroMAD）评估学习者对话能力，实现基于CEFR标准的自适应学习。该框架在评分阶段利用角色专精智能体评估语法、词汇和互动交流，并通过辩论达成共识；推荐阶段针对弱点进行间隔复习。实验显示，HeteroMAD评分与专家标注的变异性仅0.23，推荐接受度达90.91%，8周学习研究表明该框架优于单纯反馈。
多智能体辩论自适应学习语言学习cefr间隔复习
cs
04-28 00:00
本文提出熵偏差（ED）指标，衡量语言模型输出分布与均匀分布的差异。在31,200次生成实验中，Transformer模型在语义中性提示下ED约0.30，表明88-93%的非随机性源于权重而非上下文。不同架构（如Mamba2）表现出截然不同的随机性特征，且跨语言实验显示语言本身独立于分词影响该下限。
语言模型熵偏差非随机性transformer状态空间模型跨语言
cs
04-28 00:00
本研究首次系统评估多行手写数学OCR，发现视觉语言模型（VLM）存在“过度修正”问题，即模型会“修复”学生错误而非忠实转录。为此，作者提出PINK指标，基于LLM评分并惩罚过度修正。在FERMAT数据集上对15个VLM的评估显示，GPT-4o因过度修正受罚，而Gemini 2.5 Flash最忠实。人类专家研究证实PINK比BLEU更符合人类判断（55.0% vs 39.5%），为教育场景提供更可靠的评估框架。
手写数学ocr多行表达式过度修正视觉语言模型评估指标教育ai
cs
04-28 00:00
本研究证明，FlavorGraph 的 300 维食材嵌入已编码了厨师关于风味、质地和文化认同的隐性知识。通过 LLM 增强的整理流程，将 6,653 种原始食材精简为 1,032 个规范条目，并识别出至少 15 个独立可分类维度，涵盖味道、质地、地理、加工和文化。该方法系统性地恢复了食材的多维风味结构。
食材嵌入风味结构隐性知识flavorgraph多维分类llm
cs
04-28 00:00
针对通用航空飞机故障数据稀缺、类型多样等问题，本文提出一种基于多保真数字孪生的智能诊断框架。该框架集成高保真飞行仿真、FMEA驱动故障注入、多保真残差特征提取及大语言模型可解释报告生成模块。实验表明，配对镜像残差方案在20类故障任务上Macro-F1达96.2%，GRU代理方案实现4.3倍推理加速且性能仅下降0.6%，揭示了“残差质量优先”的设计原则。
故障诊断数字孪生fmea残差特征大语言模型通用航空
cs
04-28 00:00
针对双塔推荐模型表征能力受限、对齐困难等问题，本文提出CS3框架，通过循环自适应结构、跨塔同步和级联模型共享三项创新，在不增加在线延迟的前提下显著提升性能。在公开数据集及大规模广告系统部署中，CS3使广告收入最高提升8.36%，且兼容多种双塔架构。
双塔模型推荐系统在线学习能力协同广告收入提升
cs
04-28 00:00
本研究将学习型健康系统（LHS）框架嵌入神经康复，通过整合多模态数据采集、模型计算与临床可视化，实现临床医生与机器学习在日常康复中的协作。在卒中康复真实部署中，该系统弥合了研究模型与临床实践间的鸿沟，为计算神经康复（compNR）的转化提供了可行路径。
学习型健康系统神经康复多模态数据临床可视化卒中康复
cs
04-28 00:00
本研究分析了漫威电影宇宙（MCU）中展现的应用科学领域与主题，发现其涵盖技术、魔法、古代科技、宇宙科技、多元宇宙、能源、物理及工程等广泛领域。研究还表明，科技描绘与票房表现相关，科技含量越高的电影盈利能力越强。此外，MCU电影已被用于学术教学、伦理探讨及社会文化分析，显示出其超越娱乐的教育与社会价值。
漫威电影宇宙科技描绘票房成功应用科学学术应用科幻电影
cs
04-28 00:00
本研究利用16,868名工程专业学生的纵向行政数据，采用结构嵌套均值模型的G估计和逆概率加权边际结构模型，发现早期学业资本积累不足（第二学期末通过科目≤1门）使三年内退学概率增加25.3个百分点，效应约为首次关键课程重修（12.7个百分点）的两倍。研究揭示退学源于早期轨迹与系统时间约束的错位，而非孤立学业失败。
早期学业资本退学原因因果推断高等教育纵向数据结构因果模型
cs
04-28 00:00
本文提出“痕迹突变”概念，指大语言模型在对话中扭曲共享记录的现象，包括“话语抹除”（改变用户原意）和“属格分离”（模型否认自身输出）。通过示意图和案例，揭示其与幻觉、谄媚的区别，并指出当前模型难以自我修复，对知识工作场景的决策连续性构成威胁。
大语言模型对话记录痕迹突变话语抹除属格分离人机交互
cs
04-28 00:00
本研究提出基于场景的认知偏差评估量表CBAS，覆盖58种偏差，经心理测量验证信效度良好。结合表征相似性分析与社会网络分析，比较人类年龄组与三种大语言模型（百度文心、DeepSeek V3/R1）。发现人类认知呈现热冷整合与高个体差异，而LLM表现出碎片化、低可变性模式。通过角色扮演与偏差缓解提示干预，DeepSeek R1准确率提升至84.86%，部分重塑了内部表征。
认知偏差大语言模型表征相似性分析社会网络分析提示干预心理测量