多模态信息融合

Information fusion and machine learning for sensitivity analysis using physics knowledge and experimental data

融合信息与机器学习的敏感性分析：利用物理知识与实验数据

Berkcan Kapusuzoglu, Sankaran Mahadevan

专题命中 融合架构与评测 ：information fusion(title)

AI总结 本文提出结合物理知识与实验数据的物理信息机器学习策略，构建DNN和GP模型并融入物理约束，经实例验证可提升全局敏感性分析的准确性。

Comments Reliability Engineering & System Safety

A decodability criterion predicts when hidden-state selection beats majority voting in large language models

可解码性准则预测大型语言模型中隐藏状态选择何时优于多数投票

Zhixiang wang, Ziliang Hong, Ulas Bagci

机构 * Northwestern University（西北大学） 纠错

专题命中 融合架构与评测 ：information fusion(abstract)

AI总结 该研究提出可解码性准则及CASE方法，可预测大型语言模型中隐藏状态选择何时优于多数投票，CASE在通用和医疗LLM的中、高难度问题上均有显著提升，且预测可跨领域迁移。

On the Estimation of Chernoff Information

关于Chernoff信息的估计

Kadircan Aksoy, Peter Jung

专题命中 融合架构与评测 ：information fusion(abstract)

AI总结 针对Chernoff信息非参数估计的难题，通过导数条件重构优化并结合k近邻法与二分法，证明了导数估计量的L₂一致性，提出了Chernoff信息的非参数估计方法。