标签
本文提出FLARE框架，该框架结合模糊逻辑、时间驱动作业成本法和投资回报率分析，以评估在不确定性条件下医疗保健中采用人工智能的经济和运营影响。
The paper proposes intuitionistic fuzzy deep RVFL (IF-dRVFL) and ensemble deep RVFL (IF-edRVFL) frameworks that use sample neighborhood information to improve robustness against noise and outliers in classification tasks, outperforming existing SOTA fuzzy and non-fuzzy approaches on benchmark datasets.
本文提出了一种无需训练、不确定性感知的推断框架，用于在运筹学中应用大语言模型。该方法使用短视前瞻仿真和重要性重采样来提高数学公式表述的一致性，在OR基准测试上优于标准基线。
本文介绍了FST.ai 2.5，这是一个面向奥运会和残奥会跆拳道的可解释且不确定性感知的人工智能框架，整合了运动员数字孪生、比赛分析和联合会级决策支持。
本文将在流式推理系统中何时调用大语言模型的问题形式化为基于风险的序贯停止问题。文中证明了理论保证，并在涡扇退化数据上对框架进行了实证验证。
本文提出了AffectFlow-DINO，一种用于第11届ABAW挑战赛的多任务学习系统，该系统采用条件修正流头来建模真实场景下面部行为估计中的不确定性，相比基线取得了显著提升。
本文介绍了xAARA，一种不确定性感知的多专家融合引擎，通过提供校准的不确定性和可解释的说明来增强卒中康复的临床评估，在动作质量评估中实现了高精度并降低了预测不确定性。
提出ULPS，一种将校准的LLM集成到RL训练中的框架，通过不确定性调制的引导和基于A*的符号轨迹，在MiniGrid-UnlockPickup上实现了更高的成功率和样本效率。
Neetyabhas 是一个利用层次化强化学习主体在基于主体的流行病仿真中实现不确定性感知公共政策优化的框架。该框架对个体行为（佩戴口罩、接种疫苗、外出购物）及不确定条件下的决策者干预进行建模，并展示了其在 COVID-19 疫情管理中的有效性。
本文提出了一种面向自动驾驶的不确定性感知强化学习框架，通过自适应不确定性阈值和承诺-冷却策略引导的专家建议，提升了安全性和效率。在CARLA模拟器上的实验表明，相较于IQN基线，成功率提高了5%-7%。
BELIEF是一个面向生物医学问答的结构化证据建模与不确定性感知融合框架，它将检索到的文档转化为证据对象，并结合符号化Dempster-Shafer推理与基于LLM的推理。在PubMedQA、MedQA和MedMCQA上的实验表明，BELIEF在大多数设置下取得了最先进的结果。
ScreenSearch 引入了一个用于歧义感知桌面探索的系统，结合了结构化屏幕检索与去重技术，以及一个基于 PUCT 的图赌臂算法，用于处理 GUI 代理中的部分可观测性。该系统在 11 个应用中收集了超过 100 万张截图，并展示了探索策略中新颖性与歧义性之间的权衡。
PRISM是一个基于扩散的文本图像超分辨率框架，利用流匹配先验纠正和不确定性感知残差编码来提升严重退化下的准确性，实现了毫秒级推理的最新性能。