taxonomy

本文介绍了HalluPeer，这是一个基于分类体系的基准测试，用于检测科学同行评审中的幻觉，并提供了标注数据以评估和改进检测方法。

Ptree 是一个交互式网络工具，用于可视化生命之树中的生态互动，涵盖诸如摄食、寄生和共生等类别。

该论文提出了一种针对自改进AI智能体中框架篡改的双轴分类法，构建了一个标注语料库以基准测试审计方法，并发现篡改在真实智能体轨迹中发生，强调了完整性风险。

文章认为授权术语令人混乱，并提出基于五个关键问题的分类法，以更好地对RBAC、ABAC和PBAC等模型进行分类。

本综述通过引入定义、分类法和任务驱动的建议，形式化了计算病理学中的可解释人工智能（XAI）方法，以应对临床采纳的挑战。

本文提出了一种统一分类体系，用于研究社交媒体上的多语言多模态虚假信息，利用大规模数据集和基于视觉语言模型的自动标注，以揭示检测和缓解的见解。

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。