器来关键词检索结果

研究人员开发便携式传感器来帮助机构检测芬太尼和其他化学威胁

Researchers Develop Portable Sensor to Help Agencies Detect Fentanyl and Other Chemical Threats

CB Defense Today 是一个采访节目,邀请专家讨论与美国陆军作战能力相关的创新、技术和合作伙伴关系...

我拆开了这款廉价的 600W 充电器来测试它的说法。我发现里面的内容不对

I took apart this cheap 600W charger to test its claims. What I found inside was not right

有些东西确实好得令人难以置信,比如 eBay 上的这款 GaN 充电器。

研究表明,身体使用不同的传感器来检测皮肤和内脏器官的寒冷

Study reveals that the body uses different sensors to detect cold in the skin and in internal organs

一项研究揭示了皮肤和内脏器官冷检测的独特分子机制,增强了对热敏感性和调节的理解。

数据质量错觉:重新思考 LLM 预训练中基于分类器的质量过滤

The Data-Quality Illusion: Rethinking Classifier-Based Quality Filtering for LLM Pretraining

大型模型是在包含混合质量文档的大量网络爬行数据集上进行预训练的,因此数据过滤至关重要。一种流行的方法是基于分类器的质量过滤 (CQF),它训练二元分类器来区分预训练数据和小型高质量数据集。它为每个预训练文档分配一个定义为分类器分数的质量分数,并仅保留得分最高的分数。我们对 CQF 进行了深入分析。我们表明,虽然 CQF 提高了下游任务性能,但它不一定能增强高质量的语言建模......

除了令人毛骨悚然的监视之外,“消费者就绪”的服务机器人实际上还有什么用途? |萨曼莎·弗洛雷尼

Aside from creepy surveillance, what are ‘consumer-ready’ service robots actually for? | Samantha Floreani

只需花费 3 万澳元,您就可以让一名远程员工通过一台会走路、会说话、面无表情的机器来查看您家中的情况。把我排除在外 在健身房里观看白天电视节目中无声的头条新闻有一种特别反乌托邦的感觉。感觉就像电影蒙太奇;流行歌曲在流淌,周围都是汗流浃背的辣妹,我看着最新的恐怖事件上演。战争、流行病、死亡和破坏的新闻在聊天的主持人下方滑过屏幕底部。正是在这里,我第一次看到 NEO,“世界上第一个面向消费者的人形机器人,旨在改变家庭生活”。我看着主持人兴高采烈地介绍它那令人毛骨悚然、柔软、灰色的身体和令人毛骨悚然的空白脸以及微弱的相机眼睛。好像锻炼我的肉体形态还不够考验,现在是机器人?谁心智正常会想要在家里有一台

问答:关于阻断酶来治疗疾病,科学家下一步需要了解什么?

Q&A: What do scientists need to learn next about blocking enzymes to treat disease?

酶是为生命提供动力的分子机器;它们构建和分解分子、复制 DNA、消化食物,并驱动细胞中几乎所有的化学反应。几十年来,科学家们设计了药物来减缓或阻断酶,通过干扰这些微型机器来阻止感染或癌症的生长。但如果应对某些疾病需要相反的方法怎么办?

给要求严格的博士生导师的信

Letter To A Demanding PhD Supervisor

我的研究工作的一个基本组成部分是与来自世界各地的大量科学家的密切合作。这是在最小距离尺度上研究物质结构所必需的大规模实验的结果:建造和操​​作这些机器来收集数据并分析数据需要大量科学家合作——这建立了联系、合作和长期的熟悉;在某些情况下,友谊。阅读更多

如何在语义模型中过滤日期,包括或排除未来日期

How to Filter for Dates, Including or Excluding Future Dates, in Semantic Models

计划数据或上一年的数据显示在今天日期之后的情况很常见。但未来的数据可能会令人困惑。如何添加切片器来显示或隐藏未来的数据?让我们看看如何做到这一点。这篇文章《如何在语义模型中过滤日期,包括或排除未来日期》首先出现在《走向数据科学》上。

决策的高效校准

Efficient Calibration for Decision Making

完美校准的决策理论特征是,寻求最小化期望的适当损失的代理无法通过后处理完美校准的预测器来改善其结果。 Hu 和 Wu (FOCS’24) 使用它来定义称为校准决策损失 (CDL) 的近似校准测量,它测量任何后处理相对于任何适当损失可实现的最大改进。不幸的是,事实证明,由于对预测和标签的黑盒访问,CDL 在离线环境中甚至很难进行弱近似。我们建议绕过这个......