2025.04.22文章学习

一、
文章名称：A Systematic Review of Responses, Attitudes, and Utilization Behaviors on Generative AI for Teaching and Learning in Higher Education
文章链接：https://www.mdpi.com/2076-328X/15/4/467
关键词：生成式人工智能、回应、态度
摘要：近年来，生成式 AI （GenAI） 在高等教育课堂上的使用显着增加。研究表明，GenAI 有望影响学生和教师的学习体验，提供个性化的学习和评估机会。本研究对与 GenAI 在高等教育课堂中的应用相关的反应、态度和行为进行了系统评价。为此，我们综合了 2020 年至 2024 年 8 月间发表的 99 篇论文，重点关注 GenAI 在高等教育环境中的利用。该分析解决了三个关键问题：反应、态度和行为。本系统综述从心理学角度对 GenAI 在高等教育教学过程中的作用提供了最新的理解，特别强调 GenAI 技术。
二、
文章名称：A Multimodal Artificial Intelligence Model for Depression Severity Detection Based on Audio and Video Signals
文章链接：https://www.mdpi.com/2079-9292/14/7/1464
关键词： 面部表情识别、抑郁检测、重量轻
摘要：近年来，人工智能 （AI） 越来越多地利用语音和视频信号进行情绪识别、面部识别和抑郁检测，在心理健康评估中发挥着至关重要的作用。然而，人工智能驱动的关于检测抑郁症严重程度的研究仍然有限，现有模型通常太大而无法轻量级部署，限制了它们的实时监测能力，尤其是在资源受限的环境中。为了应对这些挑战，本研究提出了一种轻量级、准确的多模态方法来检测抑郁严重程度，旨在为智能医疗系统提供有效支持。
三、
文章名称：Harnessing Large Language Models for Automated Software Testing: A Leap Towards Scalable Test Case Generation
文章链接：https://www.mdpi.com/2079-9292/14/7/1463
关键词：LLM、焦点方法、单元测试
摘要：本研究利用 Llama-2 大型语言模型 （LLM） 为 Java 焦点方法自动生成单元测试，展示了 AI 驱动方法在优化软件测试工作流程方面的潜力。我们的工作利用焦点方法来确定代码关键组件的优先级，以生成更上下文敏感和可扩展的测试用例。该数据集包含 25000 条精选记录，经过了标记化和 QLoRA 量化，以促进训练。该模型经过微调，实现了 0.046 的训练损失。这些结果显示了 AI 驱动型测试用例生成的前景，并强调了使用微调的 LLM 生成测试用例的可行性，突出了通过更大的数据集、高级超参数优化和增强的计算资源进行改进的机会。我们对微调 LLM 生成的单元测试子集进行了人机回环验证。这证实了这些测试有效地利用了焦点方法，展示了该模型生成上下文更准确的单元测试的能力。这项工作表明，需要开发新颖的验证目标指标，专门用于利用大型语言模型生成的测试用例的自动化。这项工作为人工智能驱动的可扩展和高效的软件测试解决方案奠定了基础。数据和代码在 GitHub 上公开提供。