机器学习

大型语言模型在预测神经科学实验结果方面超越了人类专家，展示了AI在科学研究中的巨大潜力。

本研究通过比较BERTopic与传统主题模型，揭示了MOOC论坛中紧急帖子的主题识别方法，帮助教师快速响应学生需求。

研究通过机器学习分析疫情期间欧洲四国患者对虚拟初级医疗的看法，揭示了其优势与挑战。

这篇论文探讨了人工智能设计研究的挑战，并提出了在信息系统领域发表相关研究的可行路径。

本文系统评估了多种文本挖掘方法在短文本中的应用，揭示了大型语言模型在推断个体内部状态方面的卓越表现。

本文提出了智能质量管理的理论框架，结合新一代信息技术，助力中国制造业实现质量管理的数字化转型。

这篇论文提出了一个基于建构主义理论的生成式AI提示协议，旨在通过人机协作优化知识构建和工作流程。

本文探讨了使用大型语言模型（LLM）进行归纳主题分析的可行性，展示了其在定性研究中的潜力。

AI技术应用通过增加知识多样性、打破组织惯例和提高资源配置效率显著促进企业创新。

人工智能通过调整企业劳动力技能结构显著提升生产效率，尤其在高技能劳动力需求增加和低技能劳动力需求减少的情况下。

通过深度迁移学习和BERT-NLI模型，显著减少监督机器学习对大量标注数据的依赖，提升分类性能。

人工智能显著促进就业，尤其在高学历、年轻员工中效果更明显。

FALCoN 提出了一种基于协同训练的框架，用于在低资源语言环境中检测和分类社交媒体中的辱骂性语言，显著提升了分类性能。

这篇论文通过机器学习技术分析了42,000篇学术文章，揭示了学生参与研究的趋势和主题，并提出了新的研究维度。

本文探讨了人工智能通用大模型在教育中的应用及其对教育生态的深远影响，提出了从自动化到认知化的教育转型路径。

本文从技术和伦理治理双重视角探讨人工智能的未来发展趋势，提出加强顶层设计、提升技术自主性和建立社会参与机制的建议。

通过自然语言处理技术，研究发现COVID-19疫情期间Reddit上的心理健康支持群体表现出更高的健康焦虑和自杀倾向。

该研究通过迁移学习和自动化机器学习工具，成功提升了社交媒体帖子风险分类的准确性，特别是在心理健康领域的应用。

该研究开发了一种端到端的自然语言处理管道，通过社交媒体帖子自动分类和诊断COVID-19，为公共卫生监测提供支持。

本研究通过分析3293个中文问答对，揭示了ChatGPT生成语言与人类语言在161个语言特征上的显著差异。