研究

Увійти

ідея - 研究

ノイズタギングを使用した聴覚注意デコーディングの可能性を探る。

TwitterメンションとChatGPTは、問題のある記事の未来の取り消しを予測するために有用である。

大規模言語モデルを使用して、マルチエージェントシステムにおける規範違反の検出能力を評価する。

Lee and See（2004）のモデルに基づいた中国語版の人間-自動化信頼尺度（C-HATS）が開発され、信頼性と妥当性が検証されました。

限られた解析的特徴を使用して問題ギャンブルを検出するための深層ニューラルネットワークPGN4が効果的であること。

カウンタースピーチは、感情よりも理性を使用していることが明らかになった。

本研究では、Twitterデータから自殺に関連する精神的ストレス要因を自動的に抽出するための深層学習ベースのパイプラインを提案する。特に、カプセルネットワークを使用したアプローチにより、自殺関連ツイートの分類精度を向上させることができた。

大規模言語モデルは、単純な多腕バンディット環境において、外部からの介入なしに、十分な探索行動を示すことができない。ただし、適切なプロンプト設計と要約された履歴の提示により、一部の大規模言語モデルは探索行動を示すことができる。

現実的なインスタンスの解決方法を提供するため、量子-古典ハイブリッドソルバーQ4RPDが開発されました。

個人的な特性がeWOM傾向を強く予測することが重要である。

Про нас

Продукти | Ресурси

Ідеї