Google Is a Monopoly. Should You Use Another Search Engine?
Google 搜索的替代品包括 Bing、DuckDuckGo、Brave Search 和 Ecosia
Weekly Review 27 September 2024
我上周在推特上发布了一些有趣的链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：这是人工智能的真正危险，它可以用于增强监控，大型科技公司可以通过这样做赚很多钱：https://www.theregister.com/2024/09/16/oracle_ai_mass_surveillance_cloud/除了需要大量能源外，人工智能还需要大量水来冷却：https://www.techrepublic.com/article/generative-ai-data-center-water-use/使用人工智能消除招聘中的偏见。但人工智能会继
Does Semi-Supervised Learning Help to Train Better Models?
评估半监督学习如何利用未标记数据作者提供的图片 — 使用 Bing 中的 Image Creator 创建数据科学家面临的最常见挑战之一是缺乏足够的标记数据来训练可靠且准确的模型。标记数据对于监督学习任务（例如分类或回归）至关重要。但是，在许多领域，获取标记数据可能成本高昂、耗时或不切实际。另一方面，未标记数据通常很容易收集，但它们不提供任何直接输入来训练模型。我们如何利用未标记数据来改进我们的监督学习模型？这就是半监督学习发挥作用的地方。半监督学习是机器学习的一个分支，它结合标记和未标记数据来训练一个比单独使用标记数据表现更好的模型。半监督学习背后的直觉是，未标记的数据可以提供有关数据底层结
ChatGPT may be better than trainee doctors at assessing complex respiratory illness in children
根据在奥地利维也纳举行的欧洲呼吸学会 (ERS) 大会上公布的一项研究，ChatGPT 在评估儿童复杂呼吸系统疾病方面可能比实习医生和其他聊天机器人表现更好。研究人员使用了儿科呼吸医学中经常出现的临床场景，涵盖囊性纤维化、哮喘、睡眠呼吸障碍、呼吸困难和胸部感染等主题，以测试十名在儿科临床经验不足四个月的实习医生与 ChatGPT、谷歌的 Bard 聊天机器人和微软的 Bing 聊天机器人的能力。向聊天机器人展示了相同的场景。所有回答都由六名儿科呼吸专家评分，他们还被要求说出他们认为每个回答是人类生成的还是聊天机器人生成的。ChatGPT 提供的解决方案总体得分最高，被认为比其他聊天机器人的回答
TRIP REPORT: Croatia Airlines, London - Zagreb on A220
行程报告作者：Jakov Fabinger 航班 OU491（代码共享 OZ9383、SQ2403、UA7280）伦敦希思罗机场（2 号航站楼）飞往萨格勒布 20:00-23:0506.09.2024。价格：68 英镑（通过第三方代理折扣）单程空客 A220-300 (9A-CAE)经济舱 117/134 (87%)商务舱 4/9 (44%)我于 4 月预订了此航班，当设备从通常在周五晚上轮换的空客 A320 换成 7 月某个时候的空客 A220 时，我非常高兴。这是克罗地亚航空首次将 A220 部署到伦敦，因此这次旅程感觉很特别。不幸的是，机组人员在飞行过程中没有提到这一事实。机长在空中广播
IEEE Transactions on Artificial Intelligence, Volume 5, Issue 8, August 2024
1) 时空变换器视觉对象跟踪的记忆提示作者：Tianyang Xu;Xiao-Jun Wu;Xuefeng Zhu;Josef Kittler页数：3759 - 37642) 神经符号人工智能的验证、确认、测试和评估调查作者：Justus Renkhoff;Ke Feng;Marc Meier-Doernberg;Alvaro Velasquez;Houbing Herbert Song页数：3765 - 37793) 使用图神经网络进行图摘要的综合调查作者：Nasrin Shabani;Jia Wu;Amin Beheshti;Quan Z. Sheng;Jin Foo;Venus Hagh
IEEE Transactions on Evolutionary Computation, Volume 28, Issue 4, August 2024
1) 通过问题重构和重复处理解决分类中的多目标特征选择问题作者：Ruwang Jiao, Bing Xue, Mengjie Zhang页数：846 - 8602) 用于深度知识追踪的遗传因果解释器作者：Qing Li, Xin Yuan, Sannyuya Liu, Lu Gao, Tianyu Wei, Xiaoxuan Shen, Jianwen Sun页数：861 - 8753) 用于计算 4-D 空间中超体积贡献的快速精确算法作者：Jingda Deng, Qingfu Zhang, Jianyong Sun, Hui Li页数：876 - 8904) 不确定的质量多样性：不确定领域
85th Fighter Group reactivates at Ebbing ANGB for F-35A FMS mission
第 85 战斗机大队在 Ebbing ANGB 重新启动 F-35A FMS 任务juanita.b.whit……2024 年 7 月 2 日星期二 - 10:26作者：技术员中士 Christopher Sherlock 第 33 战斗机联队 EBBING 空军国民警卫队基地，阿肯色州——第 33 战斗机联队于 7 月 2 日在这里举行的仪式上重新启动了第 85 战斗机大队和第 57 战斗机中队，并同时解散了第 1 支队。在仪式上，尼古拉斯·伊德接任第 85 战斗机大队司令，乔纳森·哈塞尔中校接任第 57 战斗机中队司令，这标志着该部队为参与 F-35A 和新加坡共和国空军 F-16 FMS
[Botany • 2024] Cyrtomium adenotrichum (Dryopteridaceae) • A New Species from Guangxi, China
Cyrtomium adenotrichum Y. Nong & R.H. Jiang, in Nong, Lei, Zhao, Wei, Xu, Feng, Qu et Jiang, 2024. 腺毛贯众 || DOI: 10.3897/phytokeys.243.127579摘要对来自中国广西的一个新种Cyrtomium adenotrichum Y. Nong & R.H. Jiang（鳞毛蕨科）进行了描述和图示。本新种与 C. nephrolepioides (Christ) Copel.、C. obliquum Ching & K. H. Shing ex K. H. Shing、
Еврокомиссия требует от Microsoft предоставить данные об использовании генеративного ИИ в Bing
监管机构威胁要对 Bing 处以罚款，因为 Bing 拒绝披露有关该服务的数据。
Using Generative AI to Help Students Learn to Read
有许多生成式人工智能/大型语言模型 (LLM) 可用于支持阅读学习，从流行的 ChatGPT 到 Bing、Bard、Claude 等。无论您选择哪个平台，以下是使用生成式人工智能支持学习的一些方法：将阅读段落调整到适当的水平和语言：通过使用 LLM，教育工作者可以轻松地将文学作品调整到学生的阅读水平。例如，可以用更简单的句子和词汇重写“灰姑娘”的故事，以适合幼儿园学生。如果学生的母语不是主要教学语言，这些工具可以无缝翻译文本，确保理解和参与。个性化阅读支持：通过分析学生的阅读水平和兴趣，该模型可以为学生推荐甚至生成阅读材料。创建以学生为特色的个性化故事：学习中的个性化可以建立联系并增强动
3 Free Technologies to Help Students Learn to Read
以前，阅读的基本技能是通过传统方法教授的，而现在，通过使用技术，阅读变得更容易掌握。技术提供了一种令人兴奋的机会，可以以个性化、引人入胜且所有人都能接受的方式提高读写能力。这篇文章深入探讨了三种技术，它们有助于让阅读学习变得更容易，从而让教育者和学生都能获得能力。KhanAcademyKids.org虽然有些人可能将可汗学院与数学视频联系起来，但如今，它的意义远不止于此。可汗学院现在推出了可汗学院儿童版，为 2-8 岁的儿童提供数千种教育游戏、书籍和活动。孩子们可以通过有趣的教育游戏和课程学习阅读、语音、写作和社会情感发展。从儿童 ABC 游戏到二年级书籍，您可以找到各种各样的活动。学生可以通
Pogo Stick Microcopter Bounces off Floors and Walls
我们倾向于从地面开始思考跳跃机器人。也就是说，它们从地面开始，然后通过跳跃，将空中阶段融入其运动中。但是，空中机器人没有理由不能从另一个方向进行跳跃，即在飞行中添加跳跃地面阶段。Hopcopter 是我见过的第一个尝试这种跳跃方式的机器人，它非常有效，将一个微型四旋翼飞行器与一个弹性腿结合起来，在空中跳跃。Songnan Bai、Runze Ding、Song Li 和 Bingxuan Pu 那么，为什么在空中值得为一个功能完好的四旋翼飞行器添加弹簧单高跷呢？嗯，飞行当然是一项宝贵的能力，但确实需要大量能量。如果你仔细观察鸟类（该领域公认的专家），你会发现它们往往会花费大量时间尽力不飞翔，通
Food, Beverage and Entertainment Center on deckfor 2025
耗资 1,440 万美元的食品、饮料和娱乐中心项目将把挑战者宾果 (Challenger Bingo) 搬迁至戈斯路 (Goss Road) 上一座近 11,000 平方英尺的建筑，并...
Rethinking the Role of PPO in RLHF
重新思考 PPO 在 RLHF 中的作用TL;DR：在 RLHF 中，奖励学习阶段（以比较的形式使用人类偏好）与 RL 微调阶段（优化单一的非比较奖励）之间存在矛盾。如果我们以比较的方式执行 RL 会怎么样？图 1：此图说明了绝对反馈和相对反馈的强化学习之间的区别。通过合并新组件 - 成对策略梯度，我们可以统一奖励建模阶段和 RL 阶段，从而实现基于成对响应的直接更新。大型语言模型 (LLM) 为功能越来越强大的虚拟助手提供支持，例如 GPT-4、Claude-2、Bard 和 Bing Chat。这些系统可以响应复杂的用户查询、编写代码，甚至创作诗歌。这些令人惊叹的虚拟助手背后的技术是带人类
Nine Navy Exchanges Named “Best of the Best”
海军交换服务命令将其NEX位置的九个名为Bingham奖得主。 Bingham奖成立于1979年，旨在表彰运营，客户服务和社区支持方面的出色表现。
IEEE Transactions on Artificial Intelligence, Volume 5, Issue 5
1) 提高回归中 Delta 测试的特征选择稳定性作者：Rebecca Marion、Benoît Frénay页数：1911 - 19172) 群体协调控制概述作者：Dengxiu Yu、Jiacheng Li、Zhen Wang、Xuelong Li页数：1918 - 19383) 神经符号强化学习和规划：一项调查作者：Kamal Acharya、Waleed Raza、Carlos Dourado、Alvaro Velasquez、Houbing Herbert Song页数：1939 - 19534) 嵌入式深度学习加速器：最新进展调查作者：Ghattas Akkad、Ali Mans
IEEE Transactions on Evolutionary Computation, Volume 28, Issue 3, June 2024
1) 特邀编辑进化神经架构搜索作者：Yanan Sun、Bing Xue、Mengjie Zhang、Gary G. Yen页数：566 - 5692) 多目标进化神经架构搜索的帕累托排序分类器作者：Lianbo Ma、Nan Li、Guo Yu、Xiaoyu Geng、Shi Cheng、Xingwei Wang、Min Huang、Yaochu Jin页数：570 - 5813) EGANS：用于零样本学习的进化生成对抗网络搜索作者：Shiming Chen、Shuhuang Chen、Wenjin Hou、Weiping Ding、Xinge You页数：582 - 5964) 用于医学
