XiaoMi-AI文件搜索系统
World File Search System抽象性
性别是免疫反应的关键因素-Agritrop
抽象性在塑造脊椎动物的免疫反应中起着至关重要的作用，从而导致对女性和男性之间疾病的敏感性不同。本综述探讨了不同致病感染，免疫反应和分子事件中观察到的性二态模式。首先，已经制定了将性别/性别纳入研究的变量的历史准则，以增强科学严格，改善研究结果并促进两性的健康状况。之后，该研究重点是检查不同类群中的免疫反应中基于性别的差异，对可用鱼类的可用研究进行了深入的综述，尤其是关于寄生虫，病毒和细菌性别相关差异的流行率。此外，还讨论了在评估水产养殖和生态环境中鱼类管理中疾病患病率时考虑性二态性的好处。将性融入理解免疫反应将积极影响鱼类福利，经济影响和决策，从而导致更量身定制和有效的治疗方法。
ESRL：序列生成的有效采样的增强学习
将增强学习（RL）应用于序列生成模型，可以直接优化长期校正（例如BLEU和人类反馈），但通常会在动作序列的空间序列上进行大规模抽样。这是序列产生问题（例如机器变速器）的实践所带来的计算挑战，在那里我们经常处理较大的动作空间（例如词汇表）和长长的动作序列（例如，翻译）。在这项工作中，我们引入了两阶段的采样和dy-namic抽样方法，以通过RL在训练序列产生模型期间提高采样效率。我们就传统的发电任务进行了尝试，包括机器翻译和抽象性摘要。此外，我们通过使用奖励模型训练大型语言模型来评估人类反馈（RLHF）中的RL的AP。实验结果表明，基于ASRL的有效采样的RL可以在训练效率和记忆消耗方面均超过所有基准。值得注意的是，ESRL在强大的增强，最低风险训练和近端政策优化方法上产生一致的性能。该代码可在https：// github上找到。com/wangclnlp/deepspeed-chat-extension/示例/esrl。
人工智能不插电：为对话式人工智能夏令营设计不插电活动
随着 Siri 和 Alexa 等对话式 AI 应用在儿童中变得无处不在，CS 教育界已开始利用这种流行度作为吸引年轻学习者学习 AI、CS 和 STEM 的潜在机会。然而，向 K-12 学习者教授对话式 AI 仍然具有挑战性且尚未得到探索，部分原因是某些对话式 AI 概念（例如意图和训练短语）具有抽象性和复杂性。一种以引人入胜的方式教授复杂主题的有前途的方法是通过非插电活动，事实证明，这种方法在不使用计算机的情况下非常有效地促进 CS 概念理解。目前正在研究开发用于教授 AI 的非插电活动，但迄今为止很少有研究关注对话式 AI。本经验报告描述了针对中学生的对话式 AI 夏令营的一系列新颖的非插电活动的设计和迭代改进。我们讨论了学习者的反应以及通过实施这些非插电活动获得的经验教训。我们希望这些见解能够支持 CS 教育研究人员使对话式 AI 学习更具吸引力并让所有学习者都能接受。
硬化蛋白小分子抑制剂促进成骨...
通过果蝇神经胶质的抽象性内吞作用是睡眠量的重要决定因素，并且在血脑屏障（BBB）的胶质胶质中优先发生。为了鉴定其运输是由睡眠依赖性内吞作用介导的代谢产物，我们对由于神经胶质性内吞作用的障碍而增加了睡眠的代谢组学分析。我们报告说，酰基肉碱，脂肪酸与肉碱结合以促进其运输，积聚在这些动物的头部。并行，为了鉴定转运蛋白和受体的损失导致因内吞作用阻滞而导致的睡眠表型，我们筛选了富含屏障神经胶质的基因以对睡眠产生影响。我们发现脂质转运蛋白LRP1和2或肉碱转运蛋白转运蛋白的敲低会增加睡眠。支持这种想法，即内吞作用会影响通过特定的转移者的贩运，敲低LRP或ORCT转运蛋白也会增加头部中的酰基肉碱。我们提出，脂质物种（例如酰基肉碱）通过依赖睡眠依赖性内膜症通过BBB运输，它们的积累反映了对睡眠的需求增加。
世界各地 AI 伦理的不同面貌
摘要 — 人工智能 (AI) 正在改变我们的日常生活，在医疗保健、太空探索、银行和金融等领域都有广泛应用。人工智能的快速发展引起了人们对人工智能技术对社会潜在影响的日益关注，其后果在伦理上值得商榷。近年来，各国政府、国家和国际组织发布了多项道德原则。这些原则概述了指导人工智能道德发展、部署和治理的高级准则。然而，这些原则的抽象性、多样性和上下文依赖性使其难以实施和操作，导致原则与执行之间存在差距。大多数最新研究分析和总结了现有的人工智能原则和指南，但并未提供关于原则实施差距以及如何缓解这些差距的研究结果。这些发现对于确保人工智能实施符合道德原则和价值观尤为重要。在本文中，我们对各大洲当前的人工智能道德原则进行了背景和全球评估，旨在确定针对特定国家或适用于各个国家的潜在原则特征。接下来，我们分析当前人工智能的准备程度和不同国家当前人工智能道德原则的实施情况，以确定人工智能原则实施中的差距及其原因。最后，我们提出了缓解原则实施差距的建议。
研究面向内容表征的突变和遗传变异以了解生物进化的紧迫性 Mahda Rizqina Maftuha 1 , Najira
学生在学习变异材料时存在误解和困难，导致学生的理解力和学习成果下降。教师在促进学生学习方面发挥着非常重要的作用。教师应该能够设计和使用适当的模型、方法和媒体，以便有效地进行学习，例如抽象材料或不能直接观察的材料的性质，包括突变和进化的概念。本研究的目的是将学习突变和遗传变异中的重要概念以复杂性和抽象性的形式映射出来，以理解生物进化的材料。本研究采用文献研究法。在查阅了各种文献后，对突变和基因变异的概念进行了识别和分析。因此，它可以作为教师设计学习的参考。 CoRe 中出现的一些大思想包括导致突变的因素、突变的类型、突变的影响以及遗传变异、突变、物种形成和生物多样性之间的关系，是概念化一个主题的一些重要考虑因素，在向学生传授材料的深度和广度时，教师仍然可以根据学生的学习环境条件对材料进行调整。学习必须考虑到学生和教师的条件，因此方法、模型、媒体和方法的使用在很大程度上决定了教授生物进化这一抽象课程的成功。
世界各地人工智能伦理的不同面貌
摘要 — 人工智能 (AI) 正在改变我们的日常生活，其应用领域包括医疗保健、太空探索、银行和金融。人工智能的快速发展引起了人们对人工智能技术对社会的潜在影响的日益关注，其后果在伦理上值得商榷。近年来，各国政府、国家和国际组织发布了多项道德原则。这些原则概述了指导人工智能道德发展、部署和治理的高级准则。然而，这些原则的抽象性、多样性和上下文依赖性使得它们难以实施和操作，导致原则与执行之间存在差距。最近的大多数研究分析和总结了现有的人工智能原则和指南，但它们没有提供关于原则实施差距以及如何缓解这些差距的发现。这些发现对于确保人工智能实施符合道德原则和价值观尤为重要。在本文中，我们对所有大洲的当前道德人工智能原则进行了背景和全球评估，旨在确定针对特定国家或适用于各个国家的潜在原则特征。接下来，我们将分析当前各国人工智能的准备程度和当前人工智能伦理原则的实施情况，以确定人工智能原则实施方面的差距及其原因。最后，我们提出了缓解原则实施差距的建议。
综合模块化航空电子架构指标
集成模块化航空电子 (IMA) 架构是军用航空航天工业中一个新兴的概念，它已在商业领域成功实施。高度模块化的架构允许多个航空应用程序在同一硬件上执行，这要归功于航空无线电公司 (ARINC) 定义的标准。系统架构师负责设计和利用 IMA 架构来满足利益相关者设定的要求。他们在工作中非常依赖经验、系统知识和设计模式。本论文旨在为系统架构师在航空航天工业中开发 IMA 架构时找到相关指标。我们进行了一项指标调查，重点关注航空航天和密切相关的行业，并将其扩展到软件和实时指标。为了找到一到三个指标，我们与领域专家团队一起进行了多次演示和放映。选择了三个指标：使用香农熵的结构复杂性、不稳定性和抽象性指标以及复杂性和耦合性指标。我们详细描述并实施了这些指标。创建了一个小规模系统，以协助并更好地理解指标如何测量以及测量什么。所选指标是否适用于航空航天业的系统架构师仍有待实证验证。提出了一个建议的验证过程以供未来工作使用。
通过有效的实验室演示教授圆柱壳的屈曲
结构稳定性是航空航天、土木工程和机械工程等多个工程专业课程的基础硕士课程。该学科的目标是开发在不同载荷作用下结构稳定性的分析方法，以用于结构元件的设计[1]。在航空航天工程的背景下，结构稳定性硕士课程介绍了常见航空航天结构元件（如梁、板和壳）的屈曲现象[2]。在正常授课中，学生将学习控制每个结构元件屈曲的方程的解析推导。这些数学表示总结和组织了有关现象的定量信息，例如变量之间的关键关系。然而，解析推导表现出高度的数学形式主义、抽象性和复杂性[3]。因此，授课往往侧重于数学程序，而不是它们所代表的物理现象。此外，这些方程式无法为从未经历过屈曲的学生提供完整的物理现象图景[4]。因此，学生往往难以将数学表达式与真实世界场景联系起来，也难以理解结构元件的屈曲行为[3]。为了克服这些限制，可以将屈曲试验演示作为常规教学的补充活动。事实上，实验室试验重现了物理现象[5]，因此为学生提供了一个环境，让他们直接体验结构的屈曲，并与不同于分析模型的表达式进行互动。因此，本研究的目的是提供一个原理证明
MPI+OpenMP 任务可扩展性，适用于人类大脑的多形态模拟
模拟人脑行为是当今最雄心勃勃的挑战之一，其重要应用无穷无尽。我们可以在美国、欧洲和日本找到许多不同的计划，它们试图实现这一具有挑战性的目标。在这项工作中，我们专注于最重要的欧洲计划（人脑计划）以及该项目开发的模型之一。该工具通过计算神经元形态的电压电容来模拟神经网络中触发的尖峰，是当今最精确的模拟器之一。在目前的研究中，我们评估了在此框架上使用 MPI + OpenMP 任务。我们证明，即使计算每个节点相对较低的工作负载（神经元数量），这种方法也能够实现良好的扩展。我们的目标之一不仅是实现高度可扩展的实现，而且还要开发一种具有高度抽象性的工具，而不会通过使用 MPI + OpenMP 任务来失去控制和性能。这项工作的主要动机是评估这种在多形态神经网络上的尖端模拟。模拟大量完全不同的神经元是一项重大挑战。事实上，在多形态模拟中，我们发现节点之间存在严重的不平衡，这主要是由于神经元之间的差异，导致可用资源的严重利用不足。在这项工作中，作者提出并评估了处理这个问题的机制，并大大减少了这种模拟的时间。