XiaoMi-AI文件搜索系统
World File Search System中偏
在平等中偏爱一个 - 不是一个好主意：基于变形金刚的人行人检测的多对一匹配
与基于卷积神经网络（CNN）相比，我们研究了基于变压器的行人检测模型较低性能的原因。CNN模型会产生密集的行人建议，单独完善每个建议，然后对其进行非最大抑制（NMS）的跟进，以产生稀疏的预测。在争论中，变压器模型每个地面真相（GT）行人盒选择一个建议，然后从中选择了正面的正态。所有其他建议，其中许多与选定的建议高度相似，都通过了负梯度。尽管这导致了稀疏的预测，从而消除了NM的需求，但在许多类似的建议中，任意选择，有效的训练和较低的行人检测准确性。为了减轻问题，我们建议基于Min-Cost-Flow的配方，而不是常用的Kuhn-Munkres匹配算法，并纳入了诸如每个地面真相盒的约束，并且与一个建议的提案相匹配，并且许多同样好的建议可以与单个地面真相盒相匹配。我们提出了基于匹配算法的第一个基于变压器的行人检测模型。广泛的实验表明，我们的方法达到了3个失误率（较低）3。7 /17。4 /21。8/8。3/2。0在Eurocity / tju-traffic / tju-校园 /城市专家 /加州理工学院数据集中，而4个。7/18。7/24。8/8。5/3。 1通过当前的sota。 代码可从https://ajayshastry08.github.io/flow_ matcher 获得。5/3。1通过当前的sota。代码可从https://ajayshastry08.github.io/flow_ matcher
CHATGPT中偏见的感知：社交媒体数据的分析
Leiter等。[11]分析了Twitter用户对ChatGpt的看法。作者分析了推文的情感，情感随着时间的变化，跨语言的情感以及主题的分析。使用由“ #chatgpt”组成的简单搜索查询，作者从168,000多个Twitter用户中收集了330,000多条推文。结果和分析表明，有100,163条推文具有积极的情绪，174,684条推文具有中性情绪，而59,961条推文具有负面情绪。随着时间的流逝，情感分析显示在分析的时间范围内的情感下降趋势。英语与非英语推文的平均情感几乎相似。与日语，法语，西班牙语和德语的推文相比，用英语的推文具有更多的积极情感。最后，推文主要与五个主题有关：商业，技术，教育，日常生活和社会问题。
人力资源决策系统中偏见和缓解的全面策略
摘要近年来，机器学习（ML）和人工智能（AI）模型已成为各种业务运营不可或缺的一部分，尤其是在人力资源（HR）系统中。这些模型主要用于在招聘，绩效评估和员工管理中自动化决策过程，从而提高效率和简化任务。然而，这些自动化系统的日益使用引起了人们对偏见的存在的重大关注，这可能导致歧视性实践。这样的偏见可能排除合格的候选人和减少机会，同时还为公司声誉带来了重大风险，并带来潜在的法律和道德后果。本文通过探索与人力资源相关的ML模型中偏见的根本原因并提出缓解措施的最佳实践来解决这些挑战。它在人力资源决策制定的背景下对公平概念和定义进行了彻底的研究，强调了基于所使用的特定模型和数据集选择适当缓解技术的复杂性质。通过对各种缓解策略的经验评估，该研究表明，没有任何一种方法能够完全满足所有公平指标，从而强调了准确性和公平性之间的固有权衡。这些发现为优化这些权衡提供了宝贵的见解，并为实现自动人力资源系统中更公平，公正的结果提供了可行的建议。此外，这项研究强调了进一步研究和讨论以提高ML模型中透明度和公平性的持续需求，从而有助于更公平的人力资源景观。
蛋白质语言模型在生命之树中偏见
蛋白质语言模型（PLM）已用于了解疾病和设计新型蛋白质。在设计任务中，PLM下的蛋白质序列的可能性通常被用作蛋白质适应性的代理，因此了解信号可能捕获的信号可能性至关重要。在这项工作中，我们发现PLM的可能性无意间编码了一种物种偏见：来自某些物种的蛋白质序列的可能性在系统上更高，与所讨论的蛋白质无关。我们量化了这种偏见，并表明它在很大程度上是由于流行蛋白序列数据库中的不等物种表示。我们进一步表明，对于某些蛋白质设计应用，例如增强热稳定性可能会有害。这些结果突出了理解和策划PLM训练数据以减轻偏见并提高序列空间不足部分的蛋白质设计能力的重要性。
COVID-19 疫情期间使用的人工智能系统中偏见的伦理评估和缓解策略
摘要 本文的主要目的是反思为解决 COVID-19 大流行引起的问题而开发的人工智能 (AI) 系统所造成的偏见的影响，特别关注为分类和风险预测而开发的系统。第二个目的是回顾为防止人工智能系统出现偏见而开发的评估工具。此外，我们还对与此特定背景下的偏见相关的一些术语进行了概念性澄清。我们主要关注非种族偏见，现有文献中在处理人工智能系统中的偏见时可能较少考虑这些偏见。在论文中，我们发现用于 COVID-19 的人工智能系统中存在偏见可能导致算法正义，而为防止偏见出现而制定的法律框架和战略未能充分考虑健康的社会决定因素。最后，我们就如何纳入更多样化的专业人员资料提出了一些建议，以便开发能够增加认知多样性的人工智能系统，以应对 COVID-19 大流行期间及以后的人工智能偏见。
关于机器学习中偏见和公平性的调查
随着我们日常生活中人工智能（AI）系统和应用的广泛使用，对公平性的解释在设计和工程中的公平性上已经获得了重要的重要性。AI系统可在许多敏感环境中使用，以做出重要且改变生活的决定；因此，至关重要的是要确保这些决定不会反映对某些群体或人群的歧视行为。最近在传统的机器学习和深度学习中开发了一些工作，这些工作解决了不同子域中的此类挑战。随着这些系统的商业化，研究人员更加意识到这些应用程序可以包含并试图解决这些应用程序的偏见。在这项调查中，我们研究了以各种方式显示偏见的不同现实世界应用程序，并列出了可能影响AI应用程序的不同来源。然后，我们为机器学习研究人员所定义的公平性划分创建了一个分类法，以避免AI系统中的现有偏见。除此之外，我们还检查了AI中的不同领域和子域，展示了研究人员对最先进方法中不公平结果的观察到了什么以及他们试图解决这些问题的方式。仍然可以采取许多未来的方向和解决方案来减轻AI系统中的偏见问题。我们希望这项调查能够通过观察各自领域的现有工作来激励研究人员在不久的将来解决这些问题。
掺铒 GaN 块体晶体中偏振分辨的铒发射
掺铒 GaN (Er:GaN) 准块状晶体正成为一种有前途的新型增益介质，用于在 1.5 μ m 的视网膜安全波长窗口发射高能激光器。我们报告了偏振分辨光致发光 (PL) 发射光谱研究，结果表明，激发偏振平行于 GaN c 轴 (EQ jj c Q) 的泵浦效率明显高于激发偏振垂直于 GaN c 轴 (EQ ? c Q) 的泵浦效率。这一现象是固有极性纤锌矿 GaN 晶格的直接结果，沿 GaN 的 c 轴在每个 Er 离子周围产生一个净局部场。 PL 发射光谱的温度依赖性行为可以用 GaN 中 Er 3+ 的 4 I 15/2 基态和 4 I 13/2 第一激发态子能级之间的玻尔兹曼分布来解释，从而更好地理解 1.5 μ m 附近观察到的主要发射线的起源。结果表明，可以利用 GaN 中的极化场，通过操纵激发光源的极化来增强有效 Er 激发截面。
椭圆形平面对称介电尾场加速结构中偏转力的抑制
基于尾场的加速器能够将梯度加速比现有加速器高两个数量级，为实现紧凑型高能物理仪器和光源提供了一条途径。然而，对于高梯度加速器，由相应较高的横向尾场驱动的光束不稳定性会限制光束质量。此前的理论表明，可以通过将平面对称介电结构中的光束横向尺寸椭圆化来减小横向尾场。我们在此报告实验测量结果，这些测量结果表明平面对称结构中椭圆光束的横向尾场减小，这与理论模型一致。这些结果可能有助于设计出基于千兆伏/米梯度尾场的加速器，以产生并稳定加速高质量光束。
任务导向训练联合振动疗法对脑卒中偏瘫患者上肢功能的影响
摘要：目的：研究任务导向训练联合振动疗法对脑卒中偏瘫患者上肢功能的影响。方法：将108例脑卒中偏瘫患者随机分为对照组（常规上肢训练，36例）、观察组1（常规上肢训练加振动疗法，36例）和观察组2（常规上肢训练加振动疗法加任务导向训练，36例）。剔除退出研究的患者，共95例，其中对照组30例，观察组132例，观察组233例。治疗后对所有患者进行Fugl-Meyer功能评估量表（FMA）、Wolf运动功能测试（WMFT）、改良Ashworth痉挛评定量表（MAS）评分及最大握力评估，并进行比较。结果：治疗前3组FMA评分比较差异均无统计学意义（P>0.05）。对照组治疗前后FMA、WMFT、MAS评分及最大握力均无差异（均P>0.05），观察1、2组治疗前后FMA、MAS评分及最大握力比较差异均有统计学意义（均P<0.05）。治疗后，观察1组FMA评分及最大握力高于对照组，MAS评分低于对照组，差异均有统计学意义（均P<0.05）。观察2组FMA、WMFT评分及最大握力高于对照组和观察1组，MAS评分低于其余各组，差异均有统计学意义（均P<0.05）。结论：任务导向训练联合振动疗法对脑卒中偏瘫患者上肢功能障碍康复有显著效果，值得临床推广应用。