本体匹配（OM）可实现不同本体论之间的语义互操作性，并通过对齐相关实体解决其概念异质性。 OM系统目前有两个主要的设计范式：常规的基于知识的专家系统和更新的基于机器学习的预测系统。尽管大型语言模型（LLMS）和LLM代理已经彻底改变了数据工程，并且在许多领域中都被创造性地应用了，但其OM的潜力仍然没有被逐渐发展 ...

有效检测假新闻最近引起了极大的关注。当前的研究为预测​​假新闻做出了重大贡献，而较少专注于新闻文章中文本和视觉信息之间的关系（相似性）。将重要性附加到这种相似性上有助于确定假新闻故事，例如，这些故事试图使用无关的图像来吸引读者的注意力 ...

先前关于多模式假新闻检测的研究已经观察到了假新闻中文本和图像之间的不匹配，并试图根据不同方式的全球特征探索多模式新闻的一致性。但是，他们无法研究多模式含量中细粒片段之间的这种关系。为了获得公众信任，假新闻通常包括文本和图像中的相关部分，使这种多模式内容看起来一致 ...

体现人工智能（AI）是实现人工通用智能（AGI）的智能系统范式，是各种应用的基石，并推动了从网络空间到物理系统的发展。大型语言模型（LLM）和世界模型（WMS）的最新突破引起了体现的AI的极大关注。一方面，LLMS通过语义推理和任务分解赋予了AI的体现，将高级自然语言指示和低级自然语言动作带入体现的认知中 ...

我们使用自定义语言模型来分析1980年至2023年的44,000多个NBER和CEPR工作论文，以构建绘制经济概念及其关系的知识图。我们区分一般主张和通过因果推理方法记录的那些主张（例如 ...

大型语言模型（LLM）代理人越来越多地将其作为能够通过工具集成执行复杂的现实世界任务的对话助手。这种增强的能力与外部系统交互并处理各种数据源，而强大的数据源引入了重大的安全漏洞。特别是，间接提示注射攻击构成了关键的威胁，其中嵌入外部数据源中的恶意指示可以操纵代理以偏离用户意图 ...

大型语言模型（LLM）越来越多地集成到现实世界中，从虚拟助手到自主代理。但是，它们的灵活性还引入了新的攻击矢量局部迅速注射（PI），在该注射中，对手通过精心设计的投入来操纵模型行为。随着攻击者不断地通过解释，混淆甚至多任务注入策略而发展，现有的基准不再足以捕获各种新兴威胁 ...

上下文单词表示通常在非结构化、无标签文本上进行训练，不包含任何现实世界实体的明确基础，并且通常无法记住有关这些实体的事实。我们提出了一种将多个知识库（ kb），嵌入到大规模模型中的通用方法，从而通过结构化的、人工管理的知识来增强它们的表示。对于每个知识库，我们首先使用集成的实体链接器来检索相关的实体嵌入，然后通过单词到实体注意的形式更新上下文单词表示... ...