PulseAugur
实时 19:15:22
English(EN) HUGO-CS: A Hybrid-Labeled, Uncertainty-Aware, General-Purpose, Observational Dataset for Cold Spray

研究人员开发HUGO框架以从文献中提取冷喷涂数据

研究人员开发了HUGO-CS,一个包含从科学文献中提取的4,383个冷喷涂实验的新型数据集。该数据集显著扩展了先前的工作,比之前最大的数据集大30多倍。为了创建HUGO-CS,采用了名为HUGO的框架,该框架结合了自动化的基于LLM的标注和人工精炼,以确保从复杂的实验结果中提取数据的准确性和效率。 AI

影响 通过提供大量结构化的实验数据来源,该数据集有望加速冷喷涂制造领域的研究和优化。

排序理由 这是一篇详细介绍新数据集和提取框架的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究人员开发HUGO框架以从文献中提取冷喷涂数据

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Stephen Price, Kyle Miller, Marco Musto, Kenneth Kroenlein, James Saal, Kyle Tsaknopoulos, Elke A. Rundensteiner, Danielle L. Cote ·

    HUGO-CS:一种混合标签、感知不确定性、通用、观测型冷喷涂数据集

    arXiv:2605.04257v1 Announce Type: new Abstract: Cold spraying is an increasingly common approach for repairing and manufacturing components due to its solid-state manufacturing capabilities. However, process optimization remains difficult due to many interdependent parameters and…