XiaoMi-AI文件搜索系统
World File Search System序列估计
通过生成伪标签
密集的检索方法在多语言信息检索中表现出了有希望的表现，其中查询和文档可以使用不同的语言。然而，密集的检索器通常需要大量的配对数据，这在多语言方案中带来了更大的挑战。本文介绍了UMR，这是一个未经任何配对数据的训练的ultialual ultilitual contriever r etriever。我们的方法利用了多语言语言模型的序列估计功能，以获取用于培训密集猎犬的伪标签。我们提出了一个两阶段的框架，该框架迭代地改善了多语言密集猎犬的功能。两个基准数据集的实现结果表明，UMR的表现优于监督的基线，展示了训练Mul-listingual语言检索器而没有配对数据的潜力，从而增强了其实用性。1
基础设施与经济增长之间的联系
Prabir Kumar Ghosh JRF，印度西孟加拉邦伯德万大学经济学系 摘要 本研究旨在考察 1991 年至 2016 年期间印度基础设施与经济增长之间的关系。更具体地说，本研究试图找出改革后时期的基础设施发展是否与经济增长协整。为此，使用主成分分析 (PCA) 基于物质、社会和金融基础设施领域的八个基础设施指标变量构建了一个综合基础设施指数。用于分析基础设施指数与经济增长之间关系的方法主要包括时间序列估计技术。使用 Engle 和 Granger 协整方法检查基础设施指数与经济增长之间的协整性质。该研究进一步应用基于 VAR 的 Granger 因果关系检验来评估基础设施与经济增长之间的因果关系方向。结果表明，基础设施与经济增长是协整的，并保持长期均衡关系。然而，在短期内，研究结果发现基础设施变化对经济增长没有即时效应。最后，格兰杰因果关系检验的结果证实了基础设施与经济增长的单向因果关系。因此，研究得出结论，基础设施发展可以成为实现可持续经济增长的有效工具。
一种新颖的统计方法预测了...的可变性
SARS-CoV-2 病毒已成为 21 世纪最大的流行病，感染人数达数亿，死亡人数达数千万人。世界各地的科学家都在竞相开发疫苗和新药，以战胜这场流行病并为 COVID-19 疾病提供有效的治疗方法。因此，迫切需要更好地了解 SARS-CoV-2 的发病机制如何受到病毒突变的影响，并确定病毒基因组中可作为新疗法稳定靶点的保守片段。在这里，我们介绍了一种文本挖掘方法，可直接从参考（祖先）全基因组序列估计基因组片段的可变性。该方法依赖于根据基因组片段在整个基因组中的空间分布和频率来计算其重要性。为了验证我们的方法，我们对近 80,000 个公开可用的 SARS-CoV-2 前身全基因组序列中的病毒突变进行了大规模分析，并表明这些结果与用于关键字检测的统计方法预测的片段高度相关。重要的是，这些相关性在密码子和基因水平以及基因编码区都成立。使用文本挖掘方法，我们进一步确定了可能成为基于 siRNA 的抗病毒药物候选者的密码子序列。值得注意的是，这项研究中确定的候选者之一对应于刺突糖蛋白表位的前七个密码子，这是唯一一种与人类蛋白质不匹配的 SARS-CoV-2 免疫原性肽。
1 Ashesh Rambachan就业2022-2023 ...
Ashesh Rambachan电子邮件：asheshr@mit.edu就业2022-2023新英格兰微软研究人员研究员。2023- M.I.T.经济学系助理教授教育2017-2022博士哈佛大学经济学专业。2013-2017 A.B.，经济学，普林斯顿大学，Summa Cum Laude。研究兴趣计量经济学，机器学习奖学金和奖项2022 David A.威尔斯经济学最佳论文奖。2022年经济研究审查欧洲之旅。2022中国星空之旅。2017-2020国家科学基金会研究生研究奖学金。工作论文“评估生成模型中隐含的世界模型”（贾斯汀·陈，凯恩·瓦法，乔恩·克莱恩伯格和sendhil mullainathan）。工作文件。“从预测算法到自动产生异常”（带有sendhil mullainathan）。工作文件。“在无法衡量的混淆下对预测算法的强大设计和评估”（与Amanda Coston和Edward Kennedy）。工作文件。“基于设计的不确定性在准实验中”（与乔纳森·罗斯（Jonathan Roth）一起）。工作文件。在美国统计协会杂志上拒绝和重新提交。“结构IV估计的因果解释”（与以赛亚·安德鲁斯，纳米·巴拉霍纳，马修·绅士和杰西·夏皮罗一起使用）。工作文件。“一种调节算法的经济方法”（与乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维希（Jon Kleinberg）和sendhil Mullainathan一起使用）。nber工作文件号27111。工作文件。《经济学季刊》。“常见时间序列估计何时具有非参数因果意义？” （与尼尔·谢泼德（Neil Shephard）一起）。期刊出版物“确定观察数据中的预测错误”。 2024。
Ashesh Rambachan
Ashesh Rambachan电子邮件：Asheshr@mit.edu就业2023年至今的经济学系助理教授，M.I.T。2022-2023新英格兰微软研究人员博士后研究员。教育2022博士哈佛大学经济学专业。2017 A.B.，经济学，普林斯顿大学，萨玛兼优异。研究兴趣计量经济学，机器学习。奖学金和奖项2022 David A.威尔斯经济学最佳论文奖。2022年经济研究审查欧洲之旅。2022中国星空之旅。2017-2020国家科学基金会研究生研究奖学金。工作论文“大语言模型：应用计量经济学的观点”（Jens Ludwig和Sendhil Mullainathan）。“与Rahul Singh和Davide Viviano一起进行远程感知的结果评估”。“从预测算法到自动产生异常”（带有sendhil mullainathan）。工作文件。在计量经济学上进行修订和重新提交。“在无法衡量的混淆下对预测算法的强大设计和评估”（与Amanda Coston和Edward Kennedy）。工作文件。修订和重新提交经济学和统计数据。“基于设计的不确定性在准实验中”（与乔纳森·罗斯（Jonathan Roth）一起）。工作文件。在美国统计协会杂志上进行修订和重新提交。“结构IV估计的因果解释”（与以赛亚·安德鲁斯，纳米·巴拉霍纳，马修·绅士和杰西·夏皮罗一起使用）。工作文件。在《经济学季刊》上修订和重新提交。“一种调节算法的经济方法”（与乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维希（Jon Kleinberg）和sendhil Mullainathan一起使用）。nber工作文件号27111。“常见时间序列估计何时具有非参数因果意义？” （与尼尔·谢泼德（Neil Shephard）一起）。工作文件。期刊出版物