AITOP

零样本预测

共 3 条相关 AI 资讯
7月8日
10:16
10:16官方账号arXiv cs.AI@Xiachong Lin, Du Yin, Arian Prabowo, Hao Xue, Wen Hu, Imran Razzak, Matthew Amos, Sam Behrens, Flora D. Salim
TopoBrick是一个无需训练的零样本建筑IoT预测框架。它利用建筑知识图谱构建紧凑的结构骨架，并通过智能拓扑采样器为目标选择特定外生变量。在三个真实建筑上，TopoBrick超越了强零样本基础模型基线，并与全训练的建筑特定模型竞争。消融实验表明，拓扑感知采样比随机、仅本体或固定跳数选择更可靠，尤其对物理耦合的HVAC和天气驱动传感变量。
AI模型TopoBrick建筑IoT零样本预测知识图谱智能体
推荐理由：TopoBrick不用训练就能预测建筑传感器数据，靠知识图谱和智能采样选变量，比很多基础模型还准，跟专门训练的模型差不多。
原文
7月1日
15:54
5月13日
19:12
19:12官方一手arXiv: DeepSeek@Erfan Loweimi, Sofia de la Fuente Garcia, Saturnino Luz
精选
研究团队利用大语言模型（LLM）从自发语音中零样本预测Ryff心理幸福感（PWB）分数。基于PsyVoiD数据库中111名参与者的几分钟语音录音，评估了12种指令微调LLM（包括Llama-3、Ministral、Mistral、Gemma-2/3、Phi-4、DeepSeek和QwQ-Preview）。与临床心理学和语言学专家合作开发了领域提示词。结果显示，LLM能从语音中提取语义线索，在80%的数据上达到最高0.8的Spearman相关性。研究还通过统计分析解释预测变异性和偏差，并用词云突出驱动预测的语言特征。
论文LLM心理幸福感语音分析零样本预测临床心理学
推荐理由：这项研究为心理健康评估提供了非侵入式新方法——用几分钟语音就能预测幸福感，做临床心理学或语音分析的团队值得关注，零样本方案降低了部署门槛。
原文