anterior cruciate ligament
PulseAugur coverage of anterior cruciate ligament — every cluster mentioning anterior cruciate ligament across labs, papers, and developer communities, ranked by signal.
- 2026-05-15 regulatory ACL and arXiv announced policies to ban papers with AI-generated hallucinations. 来源
1 天有情绪数据
-
3D深度学习模型精确识别MR图像上的ACL足迹
研究人员开发了两个3D深度学习模型，能够精确识别3D MR图像上的前交叉韧带（ACL）足迹，这是成功进行ACL重建的关键步骤。该研究使用了近8000个膝盖图像集的数据集，其中80%用于训练，20%用于测试。基于图像的3D深度学习模型表现出优越的性能，在识别ACL足迹中心方面平均误差为2.1毫米，而几何模型的平均误差为2.8毫米。这种方法有望提高ACL重建手术的精度，并可能预防移植物失败。
-
ACL 和 arXiv 禁止包含 AI 幻觉的论文
计算语言学协会 (ACL) 和 arXiv 都实施了新政策，禁止包含 AI 生成幻觉的研究论文。此举旨在维护学术诚信，防止研究界传播错误信息。这些政策将影响未来会议和预印本档案的投稿。
-
LLMs在文献综述中普遍使用，但人工监督仍至关重要
大型语言模型（LLMs）的使用在进行文献综述的过程中现已广泛普及。然而，这些工具不能替代作者细致的人工监督和责任。无论是直接还是通过自动化系统，伪造引文都构成严重的道德违规。
-
DeepSeek寻求73.5亿美元创纪录融资；腾讯被视为投资者
人工智能公司DeepSeek据报道正寻求高达500亿元人民币（约合73.5亿美元）的首轮主要外部融资，这可能创下中国初创公司的新纪录。业内人士猜测腾讯比阿里巴巴更有可能参与，这表明科技巨头之间存在战略分歧。与此同时，腾讯AI部门的一名前高级研究员已加入OpenAI。
-
新的 AI 工具探查 LLM 的不确定性和事实性弱点
研究人员开发了两种评估大型语言模型（LLM）的新方法。SelfReflect 评估 LLM 报告的自身不确定性是否与其真实的响应变异性一致，发现通常不一致，除非模型经过自身答案示例的专门训练。另一方面，KGLens 将知识图谱转化为测试问题，以查明模型的知识弱点并绘制其在不同知识领域的可靠性。
-
新研究批评数据标注中的“共识陷阱”和“真实依据”幻觉
一篇新论文批评了机器学习数据标注中“真实依据”的概念，认为人类的分歧常常被视为噪音而非有价值的信号。研究强调了位置可读性、对模型辅助标注的依赖以及地理霸权等因素如何导致“共识陷阱”。作者提出，应从寻求单一正确答案转变为描绘人类经验的多样性，以构建更具文化适应性的AI模型。