信息的关键词检索结果

“数学不好”是一个普遍的概念。它可以从学校中消除吗?

Being ‘Bad at Math’ is a Pervasive Concept. Can it Be Banished From Schools?

数学教育领导者长期以来一直表示,不应给孩子贴上“数学不好”的标签,即使他们在数学方面遇到了很大困难。这种分类是种族主义、性别歧视、阶级歧视、不准确的,而且——最糟糕的是,他们认为——这种分类是持久的。许多在年轻时吸收了这些信息的美国人几十年后仍然以这种方式定义自己。而且 […]

使用 DocOwl2 优化文档理解:一种新颖的高分辨率压缩架构

Optimizing Document Understanding with DocOwl2: A Novel High-Resolution Compression Architecture

理解多页文档和新闻视频是人类日常生活中的一项常见任务。为了解决这种情况,多模态大型语言模型 (MLLM) 应该具备理解具有丰富视觉文本信息的多幅图像的能力。然而,理解文档图像比自然图像更具挑战性,因为它需要更细粒度的感知。使用 DocOwl2 优化文档理解:一种新颖的高分辨率压缩架构,首次出现在 AI Quantum Intelligence 上。

大脑中让我们成为人类的区域也让我们变得脆弱

Brain Regions That Make Us Human Also Leave Us Vulnerable

David Adam,PNAS 当人类成年时,他们的大脑就开始衰退了。灰质(负责处理信息的神经元)的密度会降低,认知能力会开始下降……

NVIDIA 研究人员推出保序检索增强生成 (OP-RAG),用于通过大型语言模型 (LLM) 增强长上下文问答

NVIDIA Researchers Introduce Order-Preserving Retrieval-Augmented Generation (OP-RAG) for Enhanced Long-Context Question Answering with Large Language Models (LLMs)

检索增强生成 (RAG) 是一种提高大型语言模型 (LLM) 处理大量文本效率的技术,在自然语言处理中至关重要,特别是在问答等应用中,在这些应用中,保持信息的上下文对于生成准确的响应至关重要。随着语言模型的发展,研究人员努力突破界限 NVIDIA 研究人员引入了保序检索增强生成 (OP-RAG) 以增强大型语言模型 (LLM) 的长上下文问答 首次出现在 AI Quantum Intelligence 上。

EAGLE:探索使用混合编码器的多模态大型语言模型的设计空间

EAGLE: Exploring the Design Space for Multimodal Large Language Models with a Mixture of Encoders

准确解释复杂视觉信息的能力是多模态大型语言模型 (MLLM) 的关键重点。最近的研究表明,增强的视觉感知可显著减少幻觉并提高分辨率敏感任务(例如光学字符识别和文档分析)的性能。最近的几个 MLLM 通过利用视觉编码器的混合来实现这一点。尽管 […]EAGLE:探索使用混合编码器的多模态大型语言模型的设计空间首先出现在 Unite.AI 上。

解决忆阻器之谜,开发高效、持久的记忆设备

Solving a memristor mystery to develop efficient, long-lasting memory devices

密歇根大学最近在《Matter》上发表的一项研究表明,相分离(分子像油和水一样分离)与氧扩散一起起作用,帮助忆阻器(利用电阻存储信息的电子元件)即使在断电后也能保留信息。

Monty Hall 问题和贝叶斯推理 - 我们如何根据附加信息改变我们的行为?

モンティ・ホール問題とベイズ推定-追加情報に応じて取るべき行動をどう変えるか?

最流行的概率难题之一是 Monty Hall 问题。我们的许多读者可能在某处听说过它。 事实上,直到现在我才刻意讨论蒙蒂·霍尔问题。这个问题是如此众所周知,以至于感觉没有什么新东西可写。 然而,当我尝试使用贝叶斯估计找到答案时,我意识到这个问题有许多不同的变体。这次我们就来看看其中的一部分。首先,我们来看看蒙蒂·霍尔问题。我希望那些说“我很清楚这一点”的读者回顾一下。 (蒙蒂·霍尔问题)有一个电视游戏节目,由一个名叫蒙蒂·霍尔的人主持。回答者前面有三扇门(1)、(2)和(3)。如果其中一个有这扇门的房间里有宝藏,那扇门就会被击中,其余的都会丢失。如果回答者猜出雅达利门,他们将获得宝藏。要求回答

预防网络攻击的 4 个技巧

4 Tips To Prevent Cyber Attacks

4 个防止网络攻击的提示——信息图 以下是 4 个帮助您防止网络攻击的提示: 1. 保持警惕 点击前务必三思! 如果您收到要求您提供密码、社会安全号码或信用卡信息的消息、电话或电子邮件,请务必小心。 如果电子邮件中出现任何异常,请立即联系 […] 文章《4 个防止网络攻击的提示》首先出现在电子学习信息图上。

环境可持续性:国防部应采取行动减少一次性塑料

Environmental Sustainability: DOD Should Take Actions to Reduce Single-Use Plastics

美国政府问责署的发现国防部 (DOD) 尚未直接采取行动响应第 14057 号行政命令关于减少一次性塑料的实施指示。在 GAO 的报告中,此类塑料被定义为一次性使用然后丢弃的塑料,无论是回收还是在垃圾填埋场处理。国防部 (DOD) 涉及一次性塑料的活动示例国防部活动一次性塑料的类型小卖部塑料袋、杂货产品包装交易所和住宿塑料袋、产品包装、健康和美容产品餐饮设施餐具、塑料盘子、外带容器一般收购和采购气泡膜、塑料收缩包装物流油/润滑油瓶、零件和耗材包装医院口罩;一次性容器、隔离衣和窗帘;带有塑料部件的一次性医疗器械资料来源:GAO 对国防部信息的分析。| GAO-24-106823 各军事部门、交易

利用人工智能和机器学习 (AI/ML) 检查美国陆军工程兵团防洪系统 (FCS) 中的堤坝涵洞

Leveraging Artificial Intelligence and Machine Learning (AI/ML) for Levee Culvert Inspections in USACE Flood Control Systems (FCS)

摘要:堤坝检查对于防止人口稠密地区的洪水至关重要。对结构进行风险评估是为了识别潜在的故障模式,以维护结构的安全和健康。检查过程的数据收集和缺陷编码部分可能非常耗费人力和时间。机器学习 (ML) 和人工智能 (AI) 技术的整合可能会提高评估的准确性并减少时间和成本。为了为完全自主的检查过程奠定基础,本研究调查了收集堤坝、结构和涵洞信息的方法,以及使用 AI 和 ML 技术识别未来故障指标的方法。还探讨了可用于数据收集过程的机器人平台和仪器选项,并提出了一种与平台无关的解决方案。

玻色子系统打破量子速度限制:信息比粒子更快

Boson Systems Shatter Quantum Speed Limits: Information Races Faster Than Particles

在由相互作用的玻色子组成的系统中,信息的传播速度比单个粒子更快。RIKEN 的研究人员发现,在某些量子系统中,信息可以随着时间的推移而越来越快地传播,挑战了先前关于通用速度限制的假设,例如由 Lieb-Robinson 边界定义的假设。这项分析揭示了玻色子和 [...] 的根本区别

在 RAG 中对幻觉检测方法进行基准测试

Benchmarking Hallucination Detection Methods in RAG

评估增强 LLM 生成响应可靠性的方法。未经检查的幻觉仍然是当今检索增强生成应用中的一个大问题。本研究评估了 4 个公共 RAG 数据集中流行的幻觉检测器。使用 AUROC 和精确度/召回率,我们报告了 G-eval、Ragas 和可信语言模型等方法自动标记不正确的 LLM 响应的能力。使用各种幻觉检测方法识别 RAG 系统中的 LLM 错误。我目前在 Cleanlab 担任机器学习工程师,我为本文讨论的可信语言模型的开发做出了贡献。我很高兴介绍这种方法并在以下基准测试中与其他方法一起对其进行评估。问题:RAG 系统中的幻觉和错误众所周知,当被问到训练数据中没有很好支持的问题时,大型语言模型

“在你的披萨上涂胶水”体现了人工智能搜索的所有错误——SearchGPT 准备好改变这一点了吗?

'Put glue on your pizza' embodies everything wrong with AI search — is SearchGPT ready to change that?

搜索的未来将包括人工智能,但这项技术需要大量的工作和信任才能改变我们获取信息的方式。

虚假信息战

Disinformation Wars

Adrian Casillas、Maryam Farboodi、Layla Hashemi、Maryam Saeedi 和 Steven Wilson 在这篇新的 NBER 论文中写道:在过去十年中,社交媒体平台已成为表达异议的重要载体。作为回应,各种行为者越来越多地在这些平台上传播虚假新闻以削弱反对派——(虚假)信息战。我们分析了一种使用基于网络的虚假信息特征来识别虚假信息的方法[...]

共和党政治行动委员会在穆斯林聚居的密歇根州投放广告,称赞哈里斯支持以色列

GOP PAC Runs Ads In Muslim-Heavy Michigan Lauding Harris For Israel Support

GOP PAC 在穆斯林聚居的密歇根州投放广告,赞扬哈里斯支持以色列。为了进一步疏远密歇根州的穆斯林选民与民主党总统候选人卡马拉·哈里斯,共和党政治行动委员会发起了一场巧妙的广告活动,赞扬哈里斯支持以色列国,并让“自由巴勒斯坦的支持者……回到自己的位置”。GOP PAC 广告的截图,赞扬卡马拉·哈里斯站在以色列一边,反对巴勒斯坦人。这些广告是未来联盟 PAC 的作品。据《赫芬顿邮报》的凯文·罗比拉德 (Kevin Robillard) 报道,该 PAC 于 7 月成立,财务主管是宾夕法尼亚州共和党人雷·扎伯尼 (Ray Zaborney)。这些视频通过数字平台分发,其中一位女性解说员对哈里斯表

卡马拉·哈里斯的办公室工作环境艰难,拜登威胁要解雇泄露负面新闻的员工

Kamala Harris' office a tough environment to work, Biden threatened to fire staff who leaked negative stories

卡玛拉·哈里斯 (Kamala Harris) 于 2021 年与乔·拜登 (Joe Biden) 一起上任时,经历了高员工流动率和对其管理风格的披露。拜登发誓要解雇任何透露不利信息的人。哈里斯获得了巨大的支持,并逐渐改善了她的工作环境。

周二的辩论对两位候选人来说都至关重要

Tuesday's Debate Looms Large For Both Candidates

周二的辩论对两位候选人都至关重要作者:Ron Faucheux,来自 RealClearPolitics,六周以来,卡马拉·哈里斯的竞选活动一直围绕着唐纳德·特朗普的努力。民主党筹集了大量资金,激励了他们的支持者,并保护哈里斯免受未经准备的采访和政治风险。与此同时,特朗普的竞选活动一直乏善可陈。没错,特朗普在过去一年里经历了很多——起诉、审判、有争议的初选和暗杀未遂;压力正在显现。但现在是他做出让步的时候了。尽管特朗普缺乏专注力,哈里斯早期势头强劲,但民意调查仍显示竞争激烈。这就是周二的总统辩论如此重要的原因。它可以成就或毁掉任何一个竞选活动。正如我们多年来所了解到的,辩论往往是失败的,而不是

英国最佳会计与金融大学 - 排名表

Best UK universities for accounting & finance – league table

研究组织内记录财务信息的规则、标准和方法 继续阅读...