The Six Myths of Personalization
迷思通常源于误解、过度简化或维持现状的愿望。它们也可能是故意制造的，目的是误导或操纵，成为接受创新实践或保护现有权力结构的障碍。此外，一些迷思可能源于对某个想法或策略的善意但不准确的假设或概括。许多关于个性化学习的误解导致了许多迷思的形成。在我解决这些问题之前，让我们首先从 Nicki Slaugh 和我在我们的书《个性化》中分享的一个现实定义开始：个性化是所有学生在需要的时间和地点获得他们需要的学习内容。我们制定的定义本质上是战略性的。它承认我们每个人的学习方式都不同，并省略了一些经常与个性化学习相关的常用词。现在让我们深入探讨在个性化方面阻碍教育工作者前进的最流行的迷思。误区 1：个性化需
美国政府问责署发现美国政府雇员及其家人在多个国家都曾经历过突然出现的症状，即所谓的异常健康事件 (AHI)。美国政府问责署采访了 65 名 AHI 患者，他们报告了使用军事健康系统 (MHS) 时遇到的各种挑战。这些挑战包括寻求 MHS 治疗之前国内机构的支持不一致、进入 MHS 时信息有限且联系点不明确，以及使用 MHS 时预约困难。据官员称，平民 AHI 患者不像现役军人那样熟悉 MHS，需要额外的支持才能驾驭该系统。此外，国防部 (DOD) 缺乏向 AHI 患者传达权威信息的官方机制，这导致一些人使用非正式支持小组来驾驭 MHS。虽然一些患者认为这些小组很有价值，但其他患者和国防部官员指
ChatGPT Isn’t ‘Hallucinating’—It’s Bullshitting!
在讨论 AI 聊天机器人如何编造信息时，使用准确的术语非常重要
摘要：本《沿海和水力学工程技术说明》（CHETN）介绍了对位于北卡罗来纳州达克的美国陆军工程研究与发展中心 (ERDC)、沿海和水力学实验室 (CHL)、野外研究设施 (FRF) 的快速部署雷达和相关软件的评估，该雷达和相关软件用于表征浪区波浪、洋流和水深。该项目是应美国海军陆战队 (USMC) 作战实验室的要求进行的。2023 年 7 月至 8 月期间，第 1 版高级战术意识套件-雷达远征 (ATAK-ER V1) 系统部署了 15 次，以观察可能影响雷达处理的一系列波浪、水位和风况。然后将系统的产品与 FRF 的持续运行现场仪器和每月的水深测量进行比较，以量化输出的准确性和可靠性。已确定该
Are Social Media Polls Lying to You About Elections?
X/Twitter 上充斥着可疑投票，包括贿选，导致人们对特朗普的选举表现产生了不准确的印象。研究显示 X/Twitter 政治民意调查存在严重偏见，通常...
机器学习，特别是深度神经网络，专注于开发能够准确预测结果并量化与这些预测相关的不确定性的模型。这种双重关注在医疗保健、医学成像和自动驾驶等高风险应用中尤其重要，在这些应用中，基于模型输出的决策可能会产生深远的影响。准确的不确定性估计有助于评估 MIT 研究人员提出 IF-COMP：一种可扩展的不确定性估计解决方案，并在分布偏移下改进深度学习中的校准 首先出现在 AI Quantum Intelligence 上。
文本到图像生成模型已经通过先进的 AI 技术获得了关注，能够根据文本提示生成详细且上下文准确的图像。该领域的快速发展导致了许多模型的出现，例如 DALLE-3 和 Stable Diffusion，旨在将文本转换为视觉上连贯的图像。文本到图像生成中的一个重大挑战是帖子 MJ-BENCH：用于评估文本到图像生成的多模式 AI 基准，重点关注对齐、安全性和偏差，首先出现在 AI Quantum Intelligence 上。
The yellow caution flag on retail consumption is up
- 作者：新政民主党 6 月份零售额下降 -0.1%，但由于消费者通胀也下降 -0.1%，因此当月实际零售额保持不变。5 月份的数据被上调，这略微有助于比较，但今年上半年实际零售额一直徘徊在去年水平以下。下图以疫情前为准，取 100，也显示了类似的实际个人商品消费指标（浅蓝色）：自 2021 年初疫情刺激支出爆发以来，实际零售额总体呈小幅下降趋势，幸运的是，这一趋势并未得到实际个人商品支出这一更广泛指标的证实。另一方面，今年到目前为止，个人实际商品消费也一直低于去年 12 月的峰值。同比也下降了 -0.7%：虽然这次我不会费心看历史图表，但我之前已经注意到，在整个 75 年的实际零售额历史上，
When Scientific Citations Go Rogue: Uncovering ‘Sneaked References’
科学是一个合作的过程，它依赖于准确的引用。
Ultimate Issue: AOA Gets Revisited—Again
设计准确的迎角系统只是挑战的一半。文章“最终问题：再次重新审视迎角”首次出现在《飞行杂志》上。
美国政府问责署发现国防部 (DOD) 通过 TRICARE 为 900 多万受益人（包括服役人员、退休人员及其符合条件的家庭成员）提供医疗保健。所提供的医疗保健包括行为健康护理，包括精神健康状况和物质使用障碍的治疗。TRICARE 受益人可以在国防部设施或通过 TRICARE 东部和西部地区的民间医疗服务提供者网络接受护理。管理这些网络的承包商在每个地区提供在线医疗服务提供者目录，以帮助受益人从网络医疗服务提供者处获得护理。这些承包商必须确保目录中 100 多万家医疗服务提供者列表的准确性，并通过专有方法每月对所有医疗服务提供者列表样本进行审核来做到这一点。国防部则监控这些审核的结果，以确保网
Have We Been In Recession For Years?
我们是否已经陷入衰退多年？通过 Money Metals，我们已经陷入衰退了吗？更糟糕的是，我们已经陷入衰退多年了吗？最近，我与 Brownstone Institute 的 Jeff Tucker 一起撰写了一篇文章，内容是关于试图弄清楚经济中到底发生了什么的艰巨任务。这是一个挑战，因为所有官方的经济数字都是不准确的。我在最近的视频中介绍了其中一些问题，包括没有将无家可归的人算作失业者、将福利支出称为经济增长以及低估通胀——可能低估了很多。问题是，如果官方数据是错误的，那可能意味着我们已经陷入衰退，被美联储不断上涨的资产价格所掩盖。通货膨胀：衰退的关键为了说明一下，自 Covid 以来的官方
Quest for better pancreatic cancer tests gains insights from survivor’s data
晚期胰腺癌患者的存活率很低，而且在早期阶段，癌症通常不会产生任何明显的症状。因此，弗林德斯大学研究员 Jean Winter 博士表示，寻找准确的血液检测方法进行早期可靠的筛查是提高存活率的首要任务。在弗林德斯大学，一位幸存者的经历正在帮助推动研究，以寻找更有效的血液检测方法，以检测致命癌症的主要形式，即胰腺导管腺癌 (PDAC)。
UK Elections: Can exit polls be trusted? How accurate are they?
选举的出口民调预测是在最后一轮投票结束后做出的。人们自然会怀疑它的准确性，尤其是当它们在选举结束后立即发布时。在英国，出口民调预测到目前为止都是准确的。出口民调现在预测工党将在刚刚结束的选举中全面获胜。
The Machine Learning Guide for Predictive Accuracy: Interpolation and Extrapolation
评估训练数据之外的机器学习模型简介近年来，机器学习 (ML) 和深度学习 (DL) 等数据驱动方法已应用于广泛的任务，包括机器翻译和个性化定制推荐。这些技术通过分析大量数据揭示了给定训练数据集中的一些模式。但是，如果给定的数据集存在一些偏差并且不包含您想要了解或预测的数据，则可能很难从训练模型中获得正确答案。照片由 Stephen Dawson 在 Unsplash 上拍摄让我们考虑一下 ChatGPT 的情况。ChatGPT 目前的最新版本是 ChatGPT 4o，该模型使用的数据训练到 2023 年 6 月（本文撰写时）。因此，如果您询问 2024 年发生的事情，而这些事情未包含在训练数据
Explainability, Interpretability and Observability in Machine Learning
这些术语通常用于描述模型的透明度，但它们的真正含义是什么？模型洞察。作者从 Xplainable 截屏。机器学习 (ML) 因其能够从大型数据集中生成准确的预测和可操作的洞察而越来越流行于各个行业。在全球范围内，34% 的公司已经部署了 ML，报告称客户保留率、收入增长和成本效率显著提高 (IBM，2022)。机器学习采用率的激增可以归因于更易于访问的模型，这些模型可以产生更准确的结果，在多个领域超越了传统的业务方法。然而，随着机器学习模型变得越来越复杂，但越来越依赖，对透明度的需求变得越来越重要。根据 IBM 的全球采用指数，80% 的企业认为确定其模型如何做出决策的能力是一个关键因素。这在
