-
#1AI導向程式語法：重新思考語言設計以實現高效程式碼生成本研究提出AI導向程式語法，在維持與傳統語言語意等價的同時，降低大型語言模型生成程式碼的計算成本。
-
#2基於神經網絡的計算形態學方法：全面分析回顧神經網絡在計算形態學中的應用，涵蓋形態分析與生成的技術、優勢、挑戰及未來方向。
-
#3物聯網網路中的邊緣分散式智慧 - AETiC 2020全面分析物聯網網路中的分散式智慧，涵蓋邊緣運算架構、應用場景、技術挑戰與智慧物聯網系統的未來發展方向。
-
#4思維內省：創新型AI代理推理框架INoT框架讓大型語言模型能以程式化對話推理執行任務，在多個基準測試中降低token成本並提升效能。
-
#5使用神經網路建模電腦網路延遲：全面分析研究論文分析神經網路在建模電腦網路延遲作為輸入流量函數時的準確性，提供網路建模與優化的實用指南。
-
#6神經網路模型壓縮之保證量化誤差計算研究透過合併網路建構與可達性分析，計算量化神經網路之保證輸出誤差，應用於模型壓縮領域。
-
#7超越詞元預測：透過饒舌對戰與互動對話重新思考AI創造力分析AI創造力中詞元預測的局限性，以饒舌對戰為案例研究，提出即興表演的互動對話模型。
-
#8適用於軟量子計算的量子神經網路採用軟量子神經元的新型量子神經網路模型，透過單量子位元操作與量測實現高效非線性分類與雜訊魯棒性。
-
#9Token壓縮技術與精簡視覺Transformer：邊緣AI應用之綜述與比較評估針對視覺Transformer之Token壓縮技術的全面綜述與比較評估，聚焦於邊緣AI部署之精簡架構應用。
最後更新: 2025-12-01 05:35:31