Senior Enlisted Advisor Looks to Future Generation to Continue Building on National Guard's Strength
国民警卫队局局长的高级士兵顾问 Tony L. Whitehead 准备结束他漫长的职业生涯，他仍然相信未来一代能够胜任这项任务。
问题：您真的说过希拉里比卡玛拉更好吗？HG 回答：是的。这与两人宣称的政策无关。作为多年前审查过程的一部分，问题是他们是否足够聪明来胜任这份工作。你需要一个有权威的人，他能在 […] 之间保持自己的立场
Two recent articles on robots and human workers
是的，机器人和机器可以取代工人。但有时机器人和机器会带来新类型的工作，而且它们可能产生的产出增加将导致需要更多的工人。我使用了一本名为《宏观问题的经济学》的书，作者是 Daniel Benjamin 和 Roger LeRoy Miller。书中提到了卢德分子，他们是 19 世纪早期在英国摧毁工业设备的人。他们是因新机器而失去工作的织布工。我链接的其中一篇文章提到了卢德分子。第一篇文章是《美国港口的机器人之战开始了：罢工的码头工人重返工作岗位——但对自动化的分歧阻碍了持久和平》，作者是《华尔街日报》的 Paul Berger、Chip Cutter 和 Chao Deng。摘录：“航运高管沮丧
Prabowo’s 8% Growth Gamble: Reform or Bureaucratic Bloat?
印度尼西亚新任总统有一个雄心勃勃的经济计划，但他目前的做法可能无法胜任这项任务。
Climate Inflation is Coming. How Should Central Banks Respond?
气候变化的影响随处可见——加州的野火、加勒比海季前飓风、巴拿马运河水资源不足、从北非到中美洲各地的人口流动。通货膨胀冲击是另一个迫在眉睫的担忧。食品价格将变得越来越不稳定，而财产保险费率将不断上升——或者根本无法获得保险。随着雇主花钱保护工人免受炎热天气的影响，或者在工人不敢暴露在高温下时提高工资，劳动力成本将上升。这一切不仅表明通货膨胀加剧，而且表明各行业和各地区的差异更大、可预测性更低。事实上，这种情况已经发生了。下图使用亚特兰大联邦储备银行的数据将价格分为一半，一半是“粘性”的，即它们很少变化，另一半是“灵活”的，即它们会随着供需波动而上涨或下跌。自 1990 年代末以来，灵活价格的波动
Allegiant Air’s parent company will promote its president to CEO
据美联社报道，Allegiant Air 的母公司周四表示，其总裁将于 9 月出任首席执行官，取代长期担任首席执行官的 Maurice Gallagher，后者仍将担任董事会主席。Allegiant Travel Co. 表示，Gregory C. Anderson 将保留总裁头衔并加入这家拉斯维加斯公司的董事会。在 2010 年加入 Allegiant 之前，Anderson 曾在安永和全美航空从事会计工作。他曾担任多个高管职位，包括首席财务官。Gallagher 在一份关于 Anderson 的事先准备好的声明中表示：“从很多方面来说，他已经胜任首席执行官的职责了。现在是时候正式宣布了。”
Food Service Robots Just Need the Right Ingredients
食物准备是那些似乎应该由机器人解决的问题之一。这是半结构化环境中可预测、重复、基本的操作任务——看起来很理想，对吧？显然，这方面的需求很大，因为人力成本高昂，而且在这种环境下越来越难找到。目前，美国食品行业有超过一百万个空缺职位，即使有职位空缺，年流动率也高达 150%（这意味着很多工人甚至连一年都干不完）。食物准备似乎是机器人的绝佳机会，这就是为什么 Chef Robotics 和少数其他机器人公司几年前开始着手解决这个问题，将机器人引入 Chipotle 或 Sweetgreen 等快餐休闲餐厅，在那里，您可以在柜台上享用根据所选食材定制的餐点。但这并没有真正奏效，原因有几个。首先，做对人
Worst Of All Worlds... For Democrats
民主党最糟糕的世界……作者：Christopher Roach，来自 American Greatness，对于一个政党来说，处理一个年迈的傀儡领导人的时间不是在初选之后，在初选中，他赢得了数百万张选票，并被推定为该党的候选人。最近有人试图取代拜登总统成为民主党候选人，再加上他坚决拒绝退出，使他和他的政党处于一个可怕的境地。不仅在与特朗普的早期辩论中，他明显患有某种形式的认知障碍，而且现在大量资深民主党人和媒体人士都承认了这一点，要求他辞职，并表达了对拜登的不信任。当然，这是一次绝望的尝试，因为内部民意调查显示他落后得更远，因为大多数人已经很明显拜登“不在状态”。在某种程度上，沉默的阴谋和拜登
Incumbents who fought uphill to win over their parties struggled to get reelected, history warns
民主党人非常担心 81 岁的总统乔·拜登是否能胜任这份工作或击败唐纳德·特朗普。以往的总统竞选活动提供了经验教训。但都不能让人感到乐观。
Ominous History for Biden: Incumbents Trying to Win Over Their Parties Often Struggle to Win Again
民主党人对 81 岁的总统乔·拜登是否能胜任这份工作或击败唐纳德·特朗普的任务感到非常担忧。
这篇文章最初发表在作者的个人博客上。去年的机器人学习会议 (CoRL) 是迄今为止规模最大的一次 CoRL，有超过 900 名与会者、11 场研讨会和近 200 篇被接受的论文。虽然有很多很酷的新想法（请参阅这套很棒的笔记以了解技术内容的概述），但一场特别的争论似乎占据了中心位置：在非常大的数据集上训练大型神经网络是否是解决机器人问题的可行方法？1 当然，这个问题的某个版本已经困扰了研究人员几年。然而，在 ChatGPT 和其他大型“基础模型”在几年前被认为无法解决的任务上取得前所未有的成功之后，这个问题在今年的 CoRL 上尤其引人注目。开发一种通用机器人，能够在人类可以执行的任何家庭或办公
Pallet Stacking Safety: Revealing 5 MSDs Facts
安全是工厂的重中之重。每个人都希望自己的团队成员身体健康，能够胜任工作。受伤是最不希望出现的结果，通常分为两类：即时和渐进。
A leap of faith: starting a masters with a mental health condition
玛德琳描述了在患有精神疾病的情况下决定开始攻读硕士学位的感受以及她是如何做出这一选择的。- 玛德琳我最近决定在 9 月重返大学并开始攻读硕士学位。这不是我轻率做出的决定，作为一个因压力而引发精神疾病的人，我担心自己无法面对攻读硕士学位所带来的压力。我得出的结论是，在适当的支持下，我应该立志做任何没有精神疾病的人可以做的事情。我之前在获得生物学学位后在实验室工作。我最终觉得自己不适合这种工作，于是离开实验室一段时间来决定下一步该做什么。合乎逻辑的下一步是重新学习，在实验室之外培养一项更小众的技能。然而，我不知道自己是否可以攻读硕士学位。有些人对我的辩论的反应是惊讶的表情，因为我正在考虑进一步学习
人类几乎什么都不擅长。 Yann LeCun 最近指出了这一点。婴儿什么都不擅长（忽略了开玩笑的机会），4 岁的孩子懂一些语言，但不能胜任在工厂工作。如果有人不懂数学，他们就不能当数学老师。
25 Best Aviation Apps You Shouldn’t Fly Without
在越来越数字化的驾驶舱中，哪些应用程序可以胜任？电子飞行包 (EFB)、航空计算器、天气、专业应用程序 - 几乎所有东西都有应用程序。哪个在您的最佳航空应用程序列表中名列前茅？您是否在寻找一些新的最爱？更多
SECNAV Addresses Leadership Development, Culture of Belonging at ANSO Eastern Regional Symposium
海军部长卡洛斯·德尔·托罗在 2023 年海军军官协会 (ANSO) 东部地区研讨会上强调了各级军种领导力发展和培养归属感文化的重要性，以培养能够战胜任何对手的部队。
How undesired goals can arise with correct rewards
当我们构建越来越高级的人工智能（AI）系统时，我们希望确保他们不追求不希望的目标。 AI代理中的这种行为通常是规格游戏的结果 - 利用他们奖励的不良选择。在我们的最新论文中，我们探讨了一种更微妙的机制，通过该机制，AI系统可能会无意中学会追求不希望的目标：目标差异化（GMG）。当系统的能力成功推广但其目标并未按照期望概括时，就会发生GMG，因此该系统胜任地追求错误的目标。至关重要的是，与规范游戏相比，即使对AI系统进行了正确的规范训练，GMG也会发生。
How undesired goals can arise with correct rewards
当我们构建越来越高级的人工智能（AI）系统时，我们希望确保他们不追求不希望的目标。 AI代理中的这种行为通常是规格游戏的结果 - 利用他们奖励的不良选择。在我们的最新论文中，我们探讨了一种更微妙的机制，通过该机制，AI系统可能会无意中学会追求不希望的目标：目标差异化（GMG）。当系统的能力成功推广但其目标并未按照期望概括时，就会发生GMG，因此该系统胜任地追求错误的目标。至关重要的是，与规范游戏相比，即使对AI系统进行了正确的规范训练，GMG也会发生。
