临床报告的标准化对于提高医疗保健质量和促进数据整合至关重要。缺乏统一标准（包括格式，术语和样式）是临床底底诊断报告中的一个巨大挑战，这增加了大语言模型（LLMS）难以理解数据的困难。为了解决这个问题，我们构建了双语标准术语，其中包含眼底临床术语和临床诊断中常用的描述 ...

最近，已证明增强学习（RL）可极大地增强大语言模型（LLMS）的推理能力，并且基于RL的方法已逐渐应用于视觉多模式任务。但是，在这些发展中，音频方式在很大程度上被忽略了。因此，我们在音频理解和推理方面进行了一系列RL探索，特别关注音频问题答案（AQA）任务 ...

华为一直致力于探索历史研究中的AI应用。作为抽象性摘要的一种专业形式，传记一代在历史研究中起着至关重要的作用，但面临现有大型语言模型（LLMS）努力解决的独特挑战。这些挑战包括维持对历史写作惯例的遵守，确保事实忠诚度以及在多个文档中处理零散的信息 ...

建筑，预培训和微调的最新创新导致了大型自动退缩语言模型（例如Llama and Deepseek）的非凡学习和推理能力。相比之下，尽管许多下游NLP应用是基础，但像Bert和Roberta这样的编码者并未看到相同的进度。为了弥合这一差距，我们介绍了Neobert，Neobert是下一代编码器，通过整合建筑，现代数据和优化的预训练方法中的最新进步，重新定义了双向模型的功能 ...

机器学习在许多应用中取得了巨大的成功。但是，现有的研究主要基于封闭世界的假设，该假设假设环境是固定的，并且一旦部署了模型。在许多现实世界中，这种基本且相当天真的假设可能无法成立，因为开放环境是复杂的，动态的，并且充满了未知数 ...

得益于物联网的扩散，如今，几乎可以使用非常规方法（例如，自行车站中的自行车数量）实时感知人类流动性 ...

欧几里得表示学习方法在图像融合任务中取得了值得称赞的结果，这可以归因于它们在线性空间处理方面的明确优势。但是，从现实场景中收集的数据通常具有非欧几里得结构，在该结构中，欧几里得公制在表示真实的数据关系时可能会受到限制，从而降低了融合性能。为了解决这个问题，为多模式图像融合提出了一种新颖的SPD（对称正定义）流形学习框架，该框架名为SPDFusion，该框架将图像融合方法从欧几里得空间扩展到SPD歧 ...

学习对下游任务有益的良好图像表示是计算机视觉中的一项艰巨任务。因此，已经提出了各种各样的自我监督学习方法。其中，对比度学习在几个基准数据集上表现出竞争性能 ...