XiaoMi-AI文件搜索系统
World File Search System务实性
心血管疾病与肝病之间的关联，从临床务实的角度作为心脏病专家
摘要：心血管疾病和肝病密切相关。非酒精性脂肪肝疾病的危险因素与动脉粥样硬化心血管疾病的危险因素相同，也可能是动脉粥样硬化心血管疾病的危险因素。心力衰竭会导致肝纤维化，肝纤维化导致心脏预付和充血性恶化。尽管以前的一些报道考虑了心血管疾病与肝病之间的关联，但仍未确定心血管疾病患者的肝病管理策略。本综述总结了心血管疾病与肝病之间的关联。在非酒精性脂肪肝疾病的患者中，肝纤维化程度随着心血管预后恶化而发展。在心力衰竭的患者中，肝纤维化可能是预后标记。通过剪切波弹性摄影评估，纤维化-4指数和非酒精性脂肪肝疾病纤维化评分评估的肝僵硬与肝病患者的肝纤维化均与心力衰竭患者的预后较差有关。随着目前的人口衰老，管理对心血管疾病和肝病的重要性一直在增加。但是，尚未完全了解肝病的管理和干预措施是否改善心血管疾病的预后。需要进行未来的调查。
Microsoft Word - 管理务实的公正文化实施 - Rudy Pont.docx
如果人们因与其培训和专业知识相称的诚实错误（例如非故意错误）而受到指责，这可能会有效地阻止报告并抑制安全改进。公正文化 (JC) 试图在保持问责制的同时消除公开报告的任何障碍。尽管 JC 是自 2015 年 11 月起生效的欧盟 376/2014 号法规（欧洲议会和理事会，2014 年）的一部分，但人们似乎仍然对这一概念的理解有限，甚至不遵守。基于广泛的文献综述和访谈数据，本文以实施清单、现实生活中的例子的形式提供了在企业和国家层面实施 JC 的参考和实用指导，并讨论了许多与 JC 相关的法律术语。在回答谁来划定可接受和不可接受行为的界限的问题时，作者得出结论，司法部门拥有最终决定权。然而，只有一小部分案件可能会落到检察官的桌上。因此，组织必须充分理解 JC 原则，并采取必要措施培养真正的安全（报告）文化。本文认为，只有通过基于所有利益相关者之间密切合作、一致性和透明度的信任才能实现这一点，为此，所谓的事件审查小组 (ERG) 的设立可以大大提供帮助。决定在哪里划清界限可以说是最困难的 JC 要素之一——尤其是在以下情况下（g
人工智能能有创造力吗？ - 庆应义塾SFC社团
随着人工智能（AI）社会应用的推进，人们正在探索将人工智能应用于艺术和设计等创意领域。尤其是，许多研究和作品示例已经表明，人工智能可以通过使用生成对抗网络（GAN）和其他生成模型来生成“逼真”的图像和音乐，就好像它们是人类创造的一样。另一方面，有人可能会认为生成模型所做的只是从训练数据中学习到的统计模式的再现，并质疑它们作为表达的新颖性和独创性。在本文中，我们研究了人工智能和创造力的现状，并提出了一种通过扩展 GAN 框架来创造新颖表达，尤其是音乐表达的方法。通过这些，我们考虑了人工智能将在未来为创造不仅仅是模仿人类创作的表达做出贡献。
Microsoft Word -（已提交）2020 年秋季可靠性研讨会手稿
[1] Sato, Y.、Henley, EJ、Inoue, K.：“机器人危险控制系统设计的动作链模型”，IEEE Trans. on Reliability，第 39 卷，第 2 期，（1990 年 6 月）。[2] Kawashima, O.、Sato, Y.（2015 年）：”
务实的指导以下和目标辅助通过合作语言引导的逆计划
人们经常提供指示，其含义在没有进一步上下文的情况下是模棱两可的，期望自己的行为或目标会脱离意图。我们如何以灵活的上下文敏感的方式建立以下说明的辅助代理？本文介绍了合作语言引导的逆计划搜索（剪辑），这是一种贝叶斯代理体系结构，用于实用教学和目标帮助。我们的经纪人通过将他们作为合作计划者建模，以协助他们将联合计划传达给助手，然后使用大型语言模型（LLMS）对人类的目标进行多模式的贝叶斯对人类的目标进行推断，以评估鉴于一个假设的计划，以评估指令的可能性。鉴于这一后部，我们的助手采取行动为小型的预期目标实现成本，使其能够务实地遵循模棱两可的指示，并在不确定目标的情况下提供有效的帮助。我们在两个合作计划域（门，钥匙，宝石和virtualhome）中评估了这些功能，发现剪辑的剪辑极大地超过了GPT-4V，基于LLM的文字教学，并在准确性和帮助方面都在同时及其辅助审判者和助手审判者提供了匹配的准确性和帮助，并在准确性和帮助方面都具有相反的作用。
codereval：具有生成预训练模型的务实代码生成的基准
学术界和行业越来越多地尝试了基于预训练和微调范式的代码生成模型，从而导致了众所周知的工业模型，例如Codex，Codegen和Pangu-Coder。为评估这些模型的有效性，提出了多个现有基准（例如，人道主义者和Aixbench），包括仅生成独立函数的情况，即只能调用或访问内置功能和标准文库的函数。但是，通常不包含在现有的基准中的非标准元函数占流行的开放源项目中70％以上的功能，并且评估模型对独立函数的有效性不能反映这些模型对实用代码生成方案的有效性（即，对于实际源代码的代码，代码生成的开放式或专有代码的代码生成）。为了帮助弥合前面的差距，在本文中，我们提出了一个名为Codereval的基准，由230 Python和230
