taxonomy

TutorTrace提供了一个数据集和分类体系，旨在AI辅助编程教育中对学习者行为状态进行分类，借助IDE遥测和行为上下文实现实时可见与可计算的适应性辅导系统。

本文讨论了一篇新论文，该论文主张目前将人类祖先分为人属、南方古猿属和傍人属等属的分类已经过时，需要根据新的化石和遗传证据进行修订。

本综述提出了一个统一的分类体系和框架，用于在 Foundation Models 时代跨视觉、动态和体现层面的以人为本的智能，旨在弥合分散的研究并提供连贯的参考。

本文研究了技能增强LLM代理性能的条件，通过受控实验分析成功与失败因素，并提出了技能使用模式的分类法。

本文提出了一个跨学科分类和建模框架，用于理解、放大和检测误解，连接了语用学和AI代理系统。

这篇来自沃尔玛全球技术的arXiv论文提出了一种上下文感知的多智能体框架，可自动构建大规模零售目录的“Lines and Ladders”定价分类法，在生产环境中取得了优异的F1值和精确率。

本文回顾了NLP中“视角”的概念，提出了沿特定性轴排列的视角相关概念层级，并展示了该层级如何帮助研究者选择恰当的操作化定义。

本文介绍了因子化假设搜索（Factorized Hypothesis Search, FHS），一种在输入提供间接上下文证据（如表格单元格或临床笔记）时从大型分类法中检索概念的方法。FHS 在金融分类法标注和 CodiEsp 临床编码任务上取得了优异结果，在 Recall@1、MRR 和准确率方面均优于非 oracle 基线方法。

这是一篇综述论文，为具身代理中的语言接地引入了功能角色分类，区分了五种角色，并通过审计证据来评估语言的贡献是否真正得到支持。

本文介绍了“评估盲区”（evaluation blindness），这是一个用于描述从训练到部署过程中破坏AI系统的静默测量失败的正式框架，包含案例研究、基于50个真实事件验证的失败分类法，以及失败预算框架。

这篇 arXiv 论文提出了一种以交互为中心的分类法，用于将 LLM 智能体故障定位到具体组件（模型 vs 框架 vs 环境），在交互边上组织了 41 种故障模式，使修复具有可操作性。论文使用人类标注和前沿模型评审员验证了该分类法。

本文主张应将大型语言模型中的概念视为一个设计轴心，沿着流水线阶段和基础维度映射设计空间，并提出从事后恢复概念转向设计明确的概念表示。

本文提出了一种面向大型语言模型的多层分类法，包含14个能力域和91个子技能，借鉴人类认知科学来组织超越孤立任务的LLM评估。通过映射主要AI会议上的15,934篇论文，展示了其实用性，揭示了语言语义能力和推理的集中关注，同时识别出探索不足的领域。

本文提出了一种用于NLP中课程学习的细粒度分类法，将难度评估与训练调度分离，从而能够系统性地分析和比较CL策略。它识别了先前工作中存在的不可比问题，并提供了一个设计和评估CL方法的框架。

介绍了ENTRAP-VL，这是一个由1500个条目构成的分类结构化数据集，用于探测视觉语言模型中的语境夹带现象，并研究文本语境与视觉语境如何独立影响模型输出。

本综述为强化学习策略的验证方法提供了统一视角，提出了一个按三个维度（验证范式、时间范围和保证强度）分类的方法，并指出了新兴研究方向。

本文提出了一种多维度分类法，用于描述Reddit上的癌症错误信息，评估了大型语言模型（LLMs）在注释方面的表现，发现约6%的癌症讨论包含错误信息。它识别出反复出现的叙事，如未经支持的治疗方法和对传统医学的不信任。

本文提出将隔离作为LLM-Agent系统安全的首要原则，并给出一种以边界为中心的故障与防御分析分类法。该分类法系统性地对五大边界上的安全问题进行了划分，并概述了未来研究方向。

本文介绍了利用LP2Graph进行LP挖掘的方法，该方法通过类型化变量-方程图从文献中提取LP和MILP公式并将其分类为可复现的数据集，并以铁路重新调度为例进行了展示。

本文通过一个基于分类法的分析，对多个模型和基准测试中的30,000个思维链输出进行研究，证明了训练后量化可以无声地改变大语言模型的推理方式，即使任务准确性保持不变。