跳到主要内容

人文与社会科学

  1. arXiv

    团队协作也能建“能量碗”模型:ANCHOR 用 52 个参数预测四人团队何时跑偏

    协作混合现实头显能记录谁在说话、谁在看同一张图、谁站得近,但要让系统在团队跑偏前给出提示,需要一个能从小样本学、反复迭代仍稳定、设计者读得懂的团队模型。ANCHOR 把四人团队看成能量碗里的球,碗底由团队近期行为、自身历史和他人规范混合确定,用 52 个参数写成切换端口哈密顿系统。在留出的 17 支四人团队上,偏离 32 秒后约剩 24%,模型预测 30%;对话崩溃预警 AUROC 为 0.85,精度与约 4 万参数的黑箱基线相当。

  2. arXiv

    拉丁文本复用不再只判有无:逐词给出复制、变形还是替换,200对校正即追平全量标注

    拉丁文学互文研究此前只能判断两段文字有无引用,或粗分为直引与暗引,无法说明后世作者逐词改动了什么。一种指针网络为复用段落的每个词选定源词或判定无源,并在同一步给出复制、词形变化、替换等操作标签;先用对拉丁文本施加已知操作生成的合成词对训练,再由主动学习挑选模型最不确定的词对交人校正。在Loci Similes基准的1,490条引用上,按不确定性选出的200对校正后,模型与用全部标注词对训练的模型相当(宏F1 84.58对84.44)。

  3. arXiv

    古梯田点云换区就失灵:MELD用目标区无标签特征逐层校正,F1从0.397升到0.459

    在哥伦比亚圣玛尔塔内华达山脉的Teyuna与Miraflores两处激光雷达测区之间,跨区检测古梯田的模型会因地形、植被、采集参数和梯田形态差异而失效。MELD在PointNet++的四个层级上分别用目标区无标签特征训练扩散去噪器,再以这些先验在训练和推理时校正送入分割解码器的多尺度特征。Teyuna到Miraflores的迁移中F1由仅源域模型的0.397升至0.459,反向由0.557升至0.594,两个方向均为所比较的域适应方法中最高;加入KNN局部几何描述子后进一步升至0.542和0.606。

  4. arXiv

    拍卖保留价改由文本模型定价:约6.58万场二手车拍卖上,净自动成交收入差达1.658亿美元

    在线拍卖平台要为描述各异的商品设定保留价,而传统做法要求管理者预先指定商品属性。研究把预训练文本嵌入模型按拍卖出价的结构似然微调,让描述表示直接对准决定保留价的估值分布,再在另一半样本上估计广义帕累托尾部并闭式给出保留价。在约65,800场美国二手车在线拍卖上,把卖家价值校准到与成交率一致后,模型隐含的自动成交收入净增1.658亿美元,相当于现行保留价政策收入的14.6%。

  5. arXiv

    把群体差异从学习模型里抹掉,差距并不会消失:审计先算出代价,Eedi上新班级实测约0.021 Brier分

    自适应辅导模型常用“抹掉群体信号”来求公平,但抹掉的是预测里的平均群体差,不是真实差距。研究给出这种抹除的最小额外误差闭式表达,并设计三阶段审计:在训练单元拟合、在验证单元公布代价、在独立单元检验。三个真实数据集上,抹除后模型几乎预测不出实际存在的差距;在Eedi上以独立单元选出知识追踪网络后,审计在五个划分中全部接受公布代价,实测代价均落在公布区间内,差距缩小在四个划分中迁移到新班级。

  6. arXiv

    让AI智能体替人开政策会:746名参与者中,满意度补回单模型基线与亲身参与差距的68%

    AI安全政策需要吸纳多元意见,但公众难以直接参与每一场讨论。研究构建“多元智能体”,让每个AI智能体先访谈所代表的人,再在多智能体讨论中为其发声,由政策撰写智能体逐轮起草并修订预算方案。预注册实验中746名参与者认为这一流程优于把意见交给单一推理模型,在满意度上补回单模型基线与亲身参与之间差距的68%,在程序公正上补回82%。

  7. arXiv

    奥斯曼诗歌的格律不再靠学者转写:现代土耳其语拼写下,整行完全正确的比例从26.8%升到77.6%

    奥斯曼迪万诗歌按“阿鲁兹”格律写作,每个音节分长短,而现代土耳其语拼写丢掉了标记长元音的符号,使长短只能从上下文推断。一个基于格子的隐马尔可夫模型把每个词的候选学术拼写、连读与长读选择铺成路径,用诗作印刷格律经EM训练,在留出诗人上整行完全正确率为77.6%,同一批500行上规则扫描器为26.8%、同监督训练的神经标注器为55.0%、Claude Opus 5.5少样本为63.6%。代码已开源,工具以网页形式发布。

  8. arXiv

    古籍修复有了十万对配对数据:AncRestore按退化类型调度视觉先验,PSNR达26.70 dB

    古籍页面常同时出现纸张老化、水渍变形、虫洞与霉斑,而以往公开的修复基准规模有限、退化多为孤立叠加,难以支撑监督式修复。AncBench 以 100,379 对像素对齐的干净—退化图像,把化学、物理、生物三类退化按先后顺序耦合生成;在此数据上训练的 AncRestore 先估计整页与局部的退化表征,再按退化特征动态选择并分配视觉先验。在 AncBench 测试集上,AncRestore 取得 26.70 dB PSNR、0.9191 SSIM 与 0.1346 LPIPS,字符识别准确率 89.58%。

  9. arXiv

    X上的帖子为何先慢后快:分数学物理神经网络把24小时拆成四段,记忆阶数从0.23升到0.99

    社交媒体的传播曲线过去要么被预设成固定的增长函数,要么假定历史影响以固定方式衰减。分数学物理神经网络把帖子互动速率写成“每帖传播潜力乘以一条共享增长律”,并用一个可学习的分数阶导数刻画历史记忆的强弱。在X的348条训练帖与86条测试帖上,把24小时窗口切成四段、每段单独训练后,模型在均方误差0.01以内重建了64%的留出轨迹,而九种经典基线中最好的Bass扩散为44%。

  10. Mercor

    官方职业地图漏掉的工作:语言模型采访六个职业,补出79项任务,留存集覆盖率从78.6%升至89.3%

    TaskNet 把美国经济中六个职业的任务目录改由语言模型直接采访从业人员来编写,不再只依赖固定问卷。O*NET 式的标准化问卷难以捕捉新出现的任务,由人主持的访谈更有探索性,却昂贵、难以放量。该系统边问边追问澄清,再与工人确认任务清单;在未参与建库的57名工人、1184份任务报告上,六个职业平均覆盖89.3%的报告任务,O*NET 为78.6%;另有79项任务经 O*NET 分析师确认有效却没有对应条目,其中5项因 AI 采用而新出现或被重塑。