论文

科大讯飞通过自主创新和技术国产替代，成功在智能语音技术领域实现从跟随到领跑的跨越，为新兴企业提供了关键核心技术突破的路径。

本研究探讨了全球航运业数据资产货币化的现状，提出了应对数据所有权、数据泡沫和安全问题的策略。

本文提出了一种新的框架CH-ICL，通过结合外部知识和大型语言模型，显著提升了医学视觉问答系统的性能。

本文提出了一种基于预训练语言模型的政治文本主题分类方法，显著优于跨领域分类器，且仅需少量标注数据。

利用全球报纸叙事构建主题知识图谱，显著提升三大经济体工业生产的预测准确性。

本文探讨了深度神经网络在数字人文和信息科学中的文本分析应用，并提出了应对训练数据和领域适应挑战的解决方案。

通过结合年报中的文本数据和财务数据，本文提出了一种新的深度学习模型，显著提升了企业财务困境预测的准确性。

利用GPT模型预测并调控人类语言网络的大脑活动，揭示语言输入的意外性和语法完整性是关键因素。

这篇论文展示了大型语言模型（LLMs）在金融新闻情感分析和股票市场预测中的卓越表现，特别是GPT-3模型在预测股票回报方面的显著优势。

该论文提出了一种基于注意力机制的双向LSTM网络，用于自动检测科学论文中需要引用的句子，并构建了一个大规模数据集PMOA-CITE。

本研究开发了一种基于FHIR标准的患者安全消息数据模型，用于识别和提取重要医疗信息，推动以患者为中心的护理。

该研究通过主题模型和情感分析评估了德国风电技术的合法性，揭示了其在能源转型中的社会和政治挑战。

本文利用大语言模型构建了企业数字化转型的新指标，揭示了数字化转型对财务绩效的显著提升作用，特别是对财务绩效较差的企业效果更明显。

该研究通过文本挖掘和卷积神经网络，成功从用户生成内容中提取金融风险容忍度信息，显著提升了风险分类的准确性。

研究发现，通过从大规模数据集中提取代表性子集，可以在减少数据量的同时保持90%的性能水平。

这篇论文提出了一种基于生成式人工智能的声景到图像扩散模型，将听觉感知与视觉感知结合，为人类多感官体验提供了新的视角。

人工智能技术应用显著影响制造业企业员工规模、结构和收入，推动劳动力结构向高技能人才转型。

人工智能技术对中国劳动力市场的影响：19.05%的就业面临高替代风险，职业技能宽度越大，替代风险越低。

本文通过多部门动态一般均衡模型，探讨了人工智能对产业结构转型和劳动收入份额的影响，揭示了其在不同产业中的差异化应用前景。

人工智能总体上促进了产业内的包容性增长，缩小了不同技能层次劳动者的收入差距，但带来了产业间的负面溢出效应。