Robin Qiu's editorial examines how GPT and large language models are revolutionizing AI applications, driving digital transformation while raising concerns about regulation, ethics, and risk management.
Method
Sebagai sebuah editorial, karya ini tidak memakai metodologi penelitian formal. Sebagai gantinya, karya ini menyintesiskan observasi dan refleksi tentang evolusi serta dampak GPT …
Results
Editorial ini melaporkan beberapa observasi kunci: - GPT dan model AI serupa telah menimbulkan sensasi viral, menjadi topik hangat di berbagai pemangku kepentingan. - Perhatian yang luar biasa telah …
Sabih Ahmed; Junaid Muhammad; M. F. Shahid; M. Tanveer; Rabab Raza
Summary
This study evaluates four large language models for intent-based email categorization on 11,000 Enron emails, finding Distil BERT achieves the highest accuracy at 82%.
Method
Studi ini menggunakan subset 11.000 email dari dataset Enron. Email tersebut diprapemrosesan dan dilabeli untuk klasifikasi intent. Empat LLM dipilih: BERT, Distil BERT, XLNet, da…
Results
Di antara model yang diuji, Distil BERT mencapai akurasi tertinggi sebesar 82%, diikuti dekat oleh BERT dengan 81%. Model lainnya, XLNet dan GPT-2, diduga mencapai akurasi yang lebih rendah, meskipun…
Dinh-Nguyen Nguyen; Raymond Kai-YuTong; Ngoc-Duy Dinh
Summary
This study introduces μ-Fluidic-LLMs, a framework that transforms tabular microfluidic data into linguistic format for analysis by pretrained large language models, significantly improving prediction accuracy for droplet generation rate, d…
Method
Kerangka μ-Fluidic-LLMs memproses data tabular dengan mengubah baris dan kolom menjadi deskripsi bahasa alami, yang kemudian dimasukkan ke LLM terlatih seperti LLAMA3.1 dan DEEPSE…
Results
Saat dikombinasikan dengan LLM seperti LLAMA3.1 dan DEEPSEEK-R1, deep neural network mencapai peningkatan yang mencolok: mean absolute error pada laju pembentukan turun hampir 40%, root mean squared …
This paper proposes an Explainable AI (XAI) model for Clinical Decision Support Systems (CDSSs) that supports differential diagnosis with evidence-based medicine. The k-NN Surrogate model, combining example-based explanations, local surrog…
Method
Makalah ini mengusulkan model Explainable AI (XAI) untuk Clinical Decision Support System (CDSS) yang mendukung diagnosis diferensial dengan kedokteran berbasis bukti. Model k-NN …
Results
Penulis mengevaluasi performa prediksi dan XAI. Model surrogate dengan "Selecting" (data yang paling dekat dengan model utama) mencapai performa prediksi dan XAI yang lebih tinggi dibandingkan model …
D. F. Odesola; J. Kulon; Shiny Verghese; A. Partlow; Colin Gibson
Summary
This study presents a smart-sensing chair system using two 32×32 pressure mats and five machine learning models to classify 19 sitting postures, achieving 98.29% accuracy with CNN. The SitWell platform integrates GPT-4o to deliver personal…
Method
Sistem yang diusulkan mengintegrasikan dua matras sensor tekanan 32×32 ke dalam kursi kantor untuk mengumpulkan data postur. Dataset yang disesuaikan pengguna dikumpulkan dari sat…
Results
Di antara kelima model, CNN mencapai akurasi klasifikasi tertinggi sebesar 98,29% untuk 19 postur duduk. Model lainnya (DT, RF, SVM, KNN) juga dievaluasi, tetapi CNN mengungguli mereka. Sistem berhas…
This review traces the evolution of AI in cattle bioacoustics from classical signal processing to deep learning and LLMs, and proposes the HEAM model that fuses CNNs, decision trees, and natural language reasoning for transparent welfare a…
Method
Tinjauan ini didasarkan pada analisis sistematis terhadap lebih dari 120 studi inti yang mencakup pemrosesan sinyal awal, machine learning klasik, deep learning, dan LLM. Penulis …
Results
Tinjauan ini melaporkan bahwa bioakustik berbasis AI telah berkembang secara signifikan, dengan arsitektur deep learning mengungguli metode klasik dalam mengurai vokalisasi sapi. Namun, kinerja serin…
M. Papoutsoglou; G. Meditskos; N. Bassiliades; Efstratios Kontopoulos; S. Vrochidis
Summary
This paper presents a comprehensive bibliometric analysis of knowledge graphs in cybersecurity, revealing a rapidly growing interest in integrating knowledge graphs with advanced machine learning and AI techniques to enhance cyber threat i…
Method
Penulis melakukan analisis bibliometrik terhadap lanskap penelitian knowledge graph dalam keamanan siber dan CTI. Metodologi ini kemungkinan melibatkan kueri basis data ilmiah, ek…
Results
Analisis bibliometrik mengungkap minat yang tumbuh pesat dalam mengintegrasikan knowledge graph dengan machine learning dan teknik AI lanjutan, seperti deep learning dan neural network, untuk meningk…
Gabriella Waters; William Mapp; Phillip Honenberger
Summary
This paper introduces decisional value scores (DVS), a new family of metrics that quantify whether AI decisions meet ethical standards. The authors demonstrate DVS applications in LLM transparency and criminal risk assessment, enabling cro…
Method
Penulis mengembangkan kerangka DVS dengan terlebih dahulu mengatasi ambiguitas konseptual seputar 'keputusan' dalam sistem AI. Mereka mengusulkan metode untuk mengindividualisasi …
Results
Penulis mendemonstrasikan penerapan DVS melalui dua studi kasus. Pada studi kasus pertama, mereka mengevaluasi beberapa large language model (LLM) untuk transparansi. Keputusan diindividualisasi seba…
Irina Nikishina; M. Tikhonova; Viktoriia Chekalina; Alexey Zaytsev; Artem Vazhentsev; Alexander Panchenko
Summary
This paper presents a Transformer course for academia and industry, covering 15 sessions with lectures and practicals, plus two CodaLab competitions. It was run six times (four in industry, two in academia) and continuously updated with re…
Method
Desain kursus mengikuti pendekatan modular dengan 15 sesi, masing-masing menggabungkan kuliah dan praktik langsung. Enam sesi pertama memperkenalkan arsitektur Transformer dan var…
Results
Kursus ini disampaikan enam kali: empat kali kepada audiens industri dan dua kali kepada mahasiswa akademik. Umpan balik dari kedua kelompok positif, menunjukkan efektivitas kurikulum dan format komp…
Rosetta recovers column semantics from data values alone by placing a language model inside a deterministic verification harness. It achieves 0.475 accuracy on 42% of columns it commits to, versus 0.223 on 94% for the model alone, with gai…
Method
Rosetta beroperasi dengan mengintegrasikan model bahasa di dalam harness verifikasi. Profiler deterministik terlebih dahulu menganalisis nilai kolom untuk mengekstrak bukti strukt…
Results
Pada 680 kolom berpasangan dari basis data BIRD dengan pengenal dihancurkan, Rosetta mencapai akurasi 0.475 pada 42% kolom yang dikomit, dibandingkan dengan akurasi 0.223 pada 94% untuk model yang sa…
