XiaoMi-AI文件搜索系统
World File Search System准确性
人机协作提高了技能标记速度，但降低了准确性
人工智能方法正在不断进步，在游戏相关任务（例如国际象棋）上超越人类。下一阶段预计将是人机协作；然而，关于这一主题的研究好坏参半，需要更多的数据点。我们通过研究人机协作在常见的管理教育任务上的表现，为这一新兴文献增添了新内容。教育是与人工智能相关的一个特殊领域，在实践中采用人工智能方法的速度很慢，因为担心教育事业失去人文关怀，而且由于对个人职业和发展轨迹的影响，对质量标准提出了要求。在这项研究（N = 22）中，我们设计了一个实验来探索人机协作对使用美国共同核心分类法中的技能标记教育内容任务的影响。我们的结果表明，与未使用 AI 的对照组相比，实验组（使用 AI 建议）在执行标记任务时节省了大约 50% 的时间（p << 0.01），但牺牲了 7.7% 的召回率（p = 0.267）和 35% 的准确率（p= 0.1170），AI+人类组介于单独使用 AI（性能最低）和单独使用人类（性能最高）之间。我们进一步分析了这项 AI 协作实验的日志数据，以探索在什么情况下人类在接受建议时仍会行使他们的辨别力。最后，我们概述了这项研究如何帮助在教育领域实施 ChatGPT 等 AI 工具。
优化糖尿病诊断：使用 Hyperband 的 ADGB 可提高预测准确性
本研究引入了一种创新的机器学习框架，以提高糖尿病预测准确性和模型可解释性。该方法首先通过链式方程 (MICE) 进行多次插补，以解决缺失数据并确保完整的数据集以供分析。为了解决类别不平衡问题，采用了合成少数过采样技术 (SMOTE)。使用 Z 分数异常值检测来去除异常值，进一步提高模型的稳健性。结合灰狼优化器 (GWO) 和方差分析的混合特征选择方法混合 GWAN 优化了相关特征的选择，平衡了预测能力和模型简单性。该框架的核心是自适应增强梯度增强机 (ADGB)，这是一种融合了 AdaBoost 和梯度增强机 (GBM) 优势的集成学习模型。通过 Hyperband 算法进行超参数优化可以对模型进行微调，实现 97.84% 的高预测准确率。这种综合方法不仅提高了准确性，还提高了预测模型的精度、召回率和 F1 分数。通过整合这些先进技术，该框架在早期糖尿病诊断中展现出巨大潜力，强调了集成方法在医疗数据分析中的重要性以及开发可靠诊断工具的准确、可解释模型的必要性。关键词：灰狼优化器、梯度提升机、合成少数群体、公共健康 1. 介绍
使用合成数据微调Yolov10进行订单准确性验证
图8：MAP50未经合成数据训练的数据的结果与使用合成数据集训练的数据，仅根据真实图像进行评估。合成数据仅用于显示适配器（第2类）。包括合成数据还改进了其他类别的MAP50。
评估野外的顺序建议：关于离线准确性，点击率和消费的案例研究
摘要。顺序建议问题近年来已经增加了研究兴趣。我们对实践中连续算法的有效性的了解是有限的。在本文中，我们在视频和电影流平台上报告了A/B测试的结果，在该平台上，我们根据非顺序，个性化的推荐模型以及基于受欢迎程度的基线对顺序模型进行了测试。与我们从前面的离线实验中期望的相反，我们观察到基于受欢迎程度和非顺序模型导致了最高点击率。但是，就建议而言，在观看时间方面，顺序模型是最成功的模型。我们的工作指出了顺序模型在实践中的有效性，但它也使我们想起了有关（a）经典离线评估的有时含义的预测能力的重要开放挑战，以及（b）优化点击率率的建议模型的危险。
复杂的关系：考察灵活使用策略与准确性之间的关系
本研究通过研究解决算术和代数问题的准确性和策略使用之间的关系，探索了学生在数学方面的灵活性。程序灵活性的核心是选择和准确执行针对给定问题的最合适策略的能力。然而，策略选择和准确执行之间的关系很微妙，而且很难理解。在本文中，我们在评估的背景下研究了这种关系，在评估中，要求学生使用不同的方法两次完成同一项问题。具体来说，我们探讨了 (a) 学生在选择标准或优于标准的策略时更准确的程度，(b) 这种准确性-策略使用关系是否因学生是第一次还是第二次解决问题而有所不同，以及 (c) 学生在解决代数问题和算术问题时更准确的程度。我们的结果表明准确性与所有这些方面之间存在显著关联——我们发现基于策略、问题类型的准确性存在差异，并且策略和评估部分之间存在显著的相互作用。这些发现对于研究程序灵活性的研究人员以及寻求在学生中提升这种能力的中学数学教育者都具有重要意义。
利用人工智能提高承保的准确性和透明度，从而改变人寿保险行业
人寿保险是数百万家庭的重要金融工具，它通过减少过早死亡带来的经济影响，为家庭提供保障。仅在美国，人寿保险公司就共同管理着数万亿美元的保障，每年向受益人支付数十亿美元；根据美国人寿保险协会的数据，截至 2018 年底，个人的有效保险金额接近 12.1 万亿美元，向受益人支付的金额为 570 亿美元。1 为了支持这个大规模的金融生态系统，同时提供可承受的价格，保险公司必须通过承保流程估计个人人寿保险申请人的死亡风险。承保的准确性最终推动了人寿保险行业的长期稳定，因为承保后固定的保费总额必须足以抵消未来保证死亡抚恤金的支出。
在公共量子计算机上测试量子比特旋转的准确性
我们分析了 IBM 提供的公共量子计算机上 π /2 量子比特旋转测试的结果。我们测量绕随机轴旋转 π /2 的单个量子比特，并积累了大量结果统计数据。在不同设备上执行的测试表明，与理论预测存在系统性偏差，偏差程度达到 10 – 3 级。由于脉冲生成的非线性，超过 5 个标准差的一些差异无法通过简单的校正来解释。偏差幅度与门的随机基准测试相当，但我们还观察到明显的参数依赖性。我们讨论了偏差的其他可能原因，包括单量子比特空间以外的状态。对于在不同时间使用的各种设备，偏差具有相似的结构，因此它们也可以用作诊断工具，以消除不完善的门实现和对所涉及物理系统的忠实描述。
使用CAD/CAM技术实现牙齿修复的准确性和精度
肺癌是一种威胁生命的疾病，是由于肺部细胞不受控制而引起的。吸烟是肺癌的主要原因[1]。全球死亡的主要原因之一，癌症具有200多种不同的种类。所有与癌症相关的死亡中的18.4％是由肺癌引起的，肺癌也是全球最常见的预后最常见的类型。在诊断时，约有70％的肺癌患者患有患疾病，诊断后只有15％的患者还活着[2]。肺癌在所有恶性肿瘤的发病率和死亡率方面排名第三，在男性中比女性更为常见。20％的肺癌病例是小细胞肺癌（SCLC），而非小细胞肺癌（NSCLC）共同占所有肺癌病例的80％[3，4]。组合的PET-CT扫描通常用于确定肺部肿瘤的位置和大小，促进准确的疾病分期并确定不清楚的肺结核[5]。根据世界卫生组织（WHO）的最新报告，肺癌是第六大流行的死亡原因，约占所有死亡人数的1.8％[6]。 许多治疗方法，包括手术，放疗，放射外科，化疗和免疫疗法，通常用于治疗肺癌。 肺癌可以通过几种基本方法进行治疗，每种方法都有其局限性。 可以用任何这些疗法治疗晚期肺癌[7]。根据世界卫生组织（WHO）的最新报告，肺癌是第六大流行的死亡原因，约占所有死亡人数的1.8％[6]。许多治疗方法，包括手术，放疗，放射外科，化疗和免疫疗法，通常用于治疗肺癌。肺癌可以通过几种基本方法进行治疗，每种方法都有其局限性。可以用任何这些疗法治疗晚期肺癌[7]。此外，癌细胞和健康组织受到放射治疗和化学疗法的损害。药物纳米技术的最新进展有效地克服了传统化学疗法药物的缺点。人造颗粒，称为纳米颗粒，通常小于100 nm，源自金，脂质或聚合物等金属[8，9]。纳米颗粒在肺癌治疗中的不同应用如图1.