夏威夷大学马诺阿分校（University of Hawai'i at Mānoa）的专家们在人工智能（AI）研究方面做出了重要贡献，最近的三项出版物展示了新的信息处理方法，这些方法有望造福医疗保健、教育和技术等领域。
这些研究由信息与计算机科学系助理教授张浩鹏领导的ALOHA实验室专家撰写。这些研究推进了生物医学文本分析、自动文本摘要泛化以及文本摘要方法的演变，为改进AI处理和解释复杂信息提供了重要的解决方案。
张浩鹏表示：“马诺阿分校和ALOHA实验室处于AI研究的前沿，推动创新以提高信息可访问性，增强医疗保健见解，并使技术适应不同社区的独特需求。随着AI的不断发展，像这样的贡献将在塑造技术如何处理和理解人类语言方面发挥重要作用。”
第一项研究《一种结构感知生成模型用于生物医学事件提取》提出了一种新的AI模型，该模型改进了计算机对文本中复杂医疗事件的理解。旧模型难以识别医疗术语之间的关系，尤其是在事件分层或相互关联的情况下。新模型GenBEE通过使用结构化提示来更好地识别和组织重要的医疗信息，解决了这一挑战。通过将该模型应用于基准数据集，研究人员展示了其在提取关键生物医学信息方面的卓越性能。该论文将在新加坡举行的第30届国际高级应用数据库系统会议上发表。
第二项研究《DomainSum：面向细粒度领域迁移的层次化基准测试》探讨了AI摘要模型如何处理不同类型的内容。当前许多模型在一个特定主题上表现良好，但在总结新领域信息时却遇到困难。DomainSum通过将主题迁移分为三个类别——体裁、风格和主题——评估这些模型的适应能力。通过对现有AI模型进行分析，这项研究为提高跨不同领域的摘要工具的灵活性和准确性提供了洞见。该研究将在新墨西哥州阿尔伯克基举行的2025年美洲国家计算语言学协会年度会议上发表。
第三项研究《文本摘要的系统综述：从统计方法到大型语言模型》提供了一项关于文本摘要技术演变的深入回顾。该研究追溯了从早期统计方法到最新的大型语言模型的发展，强调了关键数据集、评估指标和新兴趋势。作为研究人员的综合资源，这项调查确定了挑战并提出了未来AI驱动摘要的方向。该论文已被计算机协会计算调查期刊接受，这是该领域最具影响力的期刊之一。
(全文结束)
