PulseAugur
中
实时 18:49:19
实体 Harvard Dataverse

Harvard Dataverse

PulseAugur coverage of Harvard Dataverse — every cluster mentioning Harvard Dataverse across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 7
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 4
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 7 条
  1. TOOL · CL_350745 ·

    Le Scribe Audio推出用于长时间法语会议的双通道自动语音识别,缩短修改时间

    Le Scribe Audio开发了一个双通道多模态转录系统,旨在可靠地处理长时间的法语音频录音,如会议和访谈,这些录音通常超过3小时。该系统解决了单通道自动语音识别(ASR)中常见的上下文窗口限制、说话人识别碎片化和领域特定术语错误等问题。通过采用具有重叠的声学分割和说话人统一的双通道方法,该系统将人工修改时间最多减少了50%。此外,Le Scribe Audio还开源了一个模型上下文协议(MCP)服务器,以支持AI代理和Claud…

  2. TOOL · CL_284742 ·

    新研究解决了大规模电子商务机器学习中的概念漂移检测问题

    一篇新研究论文探讨了在大规模电子商务机器学习运营中检测概念漂移的方法。该研究评估了五种多变量双样本漂移检测器,发现基于 Apache Spark 的分布式最大均值差异(Maximum Mean Discrepancy)结合随机傅里叶特征(Random Fourier Features)具有良好的可扩展性。相比之下,逐维柯尔莫哥洛夫-斯米尔诺夫检验(Kolmogorov-Smirnov test)由于高基数特征的统计饱和问题而显得不适用…

  3. TOOL · CL_256919 ·

    地理空间元数据提升数据集可发现性和跨学科联系

    一篇新发表在arXiv上的研究提出,地理空间元数据可以显著提高研究数据集的可发现性和互操作性。该研究分析了来自Harvard Dataverse的数据,发现具有更完整元数据(尤其是地理空间信息)的数据集能获得更多的下游引用,并在跨科学学科之间建立更多的联系。研究强调,地理元数据比通常是学科特定的关键词更能有效地促进跨学科联系。通过用地理空间信息丰富元数据,研究表明跨不同领域连接的数据集比例有所增加。

  4. TOOL · CL_249535 ·

    新的知识图谱组织了15万多个研究数据集以供政策分析

    研究人员开发了一个知识图谱,用于组织Harvard Dataverse中的15万多个研究数据集,并将它们与关键词、出版物和地点联系起来。该图谱识别出7,654个与政策相关的数据集,重点关注选举、立法机构和政府管理。该研究强调了地点解析的挑战,并提出人工智能驱动的元数据丰富和实体解析作为解决方案,同时指出存在偏向美国、城市级别数据的倾向。

  5. TOOL · CL_152622 ·

    关于电子表格模板需求的开放数据集已作为 MCP 服务器和 Rust crate 发布

    作者详细介绍了发布关于美国电子表格模板搜索需求的开放数据集的过程。为了使数据更易于访问,他们开发了一个 MCP 服务器和一个 Rust crate,允许开发人员和 AI 助手直接查询数据集。名为 tabletemplates-mcp 的 MCP 服务器公开了用于搜索、分类和查找特定模板的工具,并在每次响应中嵌入了来源信息。Rust crate us-excel-template-data 直接嵌入了数据,提供了一个类型化的 API,并…

  6. COMMENTARY · CL_116420 ·

    人工智能过度简化北极研究,忽视了更深层次的现实和地缘政治风险

    文章《北极真相:人工智能对冰封海洋的误解》批评了人工智能对北极研究的过度简化,指出其未能考虑到冰下生态系统、海底测绘和原住民知识等关键要素。文章强调,尽管取得了进展,北极海底仍有很大一部分未被探索,而资源的争夺加剧了地缘政治竞争。文章认为,人工智能对表面气候模型的关注,忽视了继续重新定义我们对北极和地球演变的理解的更深层次的现实和历史研究。

  7. TOOL · CL_111664 ·

    新研究对开放权重模型进行基准测试以检测人工智能治理偏见

    一项新近发表在arXiv上的研究通过对开放权重基础模型进行基准测试,解决了当前人工智能治理分析的局限性。该研究利用了全球人工智能数据集v2(一个包含国家特定指标的综合数据库)来评估模型的准确性并识别地理偏见。与以往依赖专有模型和更简单分类方法的研究所不同,这项工作采用了五类响应方案,并分析了多年的数据,以提供对模型性能和潜在偏见的更细致的理解。