MultiHuSE: A Multimodal Dataset for Humour Styles and Emotions
为解决计算识别语言幽默的挑战，通过构建包含多种幽默风格和情感的多模态数据集MultiHuSE，并采用多模态融合方法提高分类准确性。
0 citationsRead paper
Selected work
Representative Papers
A Guided Inquiry Approach to Students Co-Designing Generative AI Course Policies
研究通过引导学生共同设计生成式AI课程政策，以解决教育中AI使用的伦理和制度问题，采用的方法是让学生先个体后集体地提出并完善政策提案。
0 citationsRead paper
Towards Expert Financial QA via Self-Improving RAG
研究通过自改进RAG框架，利用三个专门代理和反馈驱动的自我纠正机制解决金融问答中的数据验证和合规问题，提高了答案准确性和可解释性。
0 citationsRead paper
Mitigating Strong-Modality Collapse in Multimodal Learning via Inverted Asymmetric Fusion
本文提出倒置非对称融合(IAF)方法，通过保留主导模态并加强弱模态来解决多模态学习中的强模态崩溃问题。
0 citationsRead paper
Trusted Polytopic Action Sets for Fast Planning in Underactuated Systems
该论文提出了一种基于可信多面体动作集的方法，用于快速生成适用于欠驱动系统的短时域动作集合，以解决在复杂环境中快速规划的问题。
0 citationsRead paper
Recent publications
Latest Papers
MultiHuSE: A Multimodal Dataset for Humour Styles and Emotions
为解决计算识别语言幽默的挑战，通过构建包含多种幽默风格和情感的多模态数据集MultiHuSE，并采用多模态融合方法提高分类准确性。
0 citationsRead paper
A Guided Inquiry Approach to Students Co-Designing Generative AI Course Policies
研究通过引导学生共同设计生成式AI课程政策，以解决教育中AI使用的伦理和制度问题，采用的方法是让学生先个体后集体地提出并完善政策提案。
0 citationsRead paper
Towards Expert Financial QA via Self-Improving RAG
研究通过自改进RAG框架，利用三个专门代理和反馈驱动的自我纠正机制解决金融问答中的数据验证和合规问题，提高了答案准确性和可解释性。
0 citationsRead paper
Mitigating Strong-Modality Collapse in Multimodal Learning via Inverted Asymmetric Fusion
本文提出倒置非对称融合(IAF)方法，通过保留主导模态并加强弱模态来解决多模态学习中的强模态崩溃问题。
0 citationsRead paper
Trusted Polytopic Action Sets for Fast Planning in Underactuated Systems
该论文提出了一种基于可信多面体动作集的方法，用于快速生成适用于欠驱动系统的短时域动作集合，以解决在复杂环境中快速规划的问题。
0 citationsRead paper