XiaoMi-AI文件搜索系统
World File Search System新思
重新思考“无休止”规则：如何对DeShaney进行改革，以实现目标，连贯的分析和保护更多的犯罪受害者
“未能保护”案件，犯罪受害者没有得到合理依靠警察保护的情况，根据法律获得令人不安的待遇。此问题起源于最高法院案件Deshaney诉Winnebago县社会服务部，该案裁定诉讼人无法提出实质性的正当程序，以辩护失败案件。这样做，法院拥护国家行动和无所作为之间的区别，这些依赖于对国家义务和微不足道的事实分析的不合适的假设。Deshaney很麻烦，因为它仅提供两种情况，在这些情况下，未能保护案件可以成功：身体，非自愿的警察拘留和国家创建的危险人士学说。这些例外太窄；他们排除了频繁的情况，即警察是受害者受害者唯一可能的保护来源时未能履行职责的情况。
重新思考供应链在后期时代
摘要供应链管理基于这样的假设，即无尽的经济增长与环境和社会可持续性兼容。生态经济学的学者质疑这一假设越来越多，这是由于越来越多的证据表明，将增长与负面的环境和社会外部性相脱）有多么困难。为了回应，社会行动的压力正在越来越大，几个国家的议程已经考虑了增长的替代方案。因此，本文为供应链管理纪律提供了一个批判性的思想实验：从当前无休止的增长范式转变为企业及其供应链的增长范式的含义是什么？使用雨伞术语“增长后”，本文确定了三个关键的后增长原则 - （i）社会生态健康，（ii）选择性缩减和（iii）系统思维 - 然后检查它们对供应链管理研究和实践的影响。
利用生成式人工智能重新思考责任
埃森哲与新加坡金融管理局 (MAS) 合作成立了 Veritas 金融服务行业联盟，专注于人工智能的信任。Veritas 内部的一个团队（由 MAS 和埃森哲领导）共同制定了指南，帮助金融服务机构根据公平、道德、问责和透明原则评估其人工智能和数据分析解决方案。
“ {模板}的值是多少？”重新思考文档...
▰ We introduce a new collection of datasets, K2Q , that converts five existing KIE datasets into rich and diverse prompt-response datasets using dataset-specific templates ▰ We show that K2Q exhibits closer characteristics to human-made VQA datasets than simple templates ▰ We provide zero-shot and fine-tuned benchmarks for K2Q across seven models ▰ We conduct an in-depth analysis of the数据集特异性模板对模型性能和对简单模板的基础的影响
重新思考植物细胞器 DNA 的突变假说
自从 Palmer 和 Herbon [ 1 ] 注意到六种芸苔属和萝卜属植物的线粒体DNA进化模式存在差异以来，植物线粒体DNA (mtDNA)在序列上进化缓慢但在结构上进化迅速这一长期未解之谜已经持续了近 40 年。后续分析证实并延续了这一悖论。一方面，尽管编码了类似的电子传递链基因，但植物线粒体DNA的同义核苷酸替换率 (dS) 比哺乳动物线粒体DNA低一个或两个数量级。此外，植物线粒体DNA包含较大的非编码区，而动物线粒体DNA则较小且编码密集。与质体DNA (ptDNA)相比，植物线粒体DNA表现出明显更大的结构变异性，但在被子植物中，其dS 却不到ptDNA的三分之一 [ 2 , 3 ]。另一方面，一些远缘植物类群独立地表现出线粒体 DNA d S 令人惊讶的加速，如车前草、蝇子草、筋骨草和天竺葵 [ 4 − 7 ] 。例如，S. noctiflora 在过去 500 万年中 d S 增加了 100 倍，而在车前草中，最快和最慢物种之间的差异约为 4000 倍 [ 4 , 8 ] 。人们在很大程度上不知道是什么机制形成了这种非典型的加速，如果有的话，这些谱系之间是否共享这种加速。这些观察结果自然引发了关于植物线粒体 DNA 序列和结构突变如何产生、修复、保留和固定的讨论。这些讨论反过来又有助于进化假说更好地适应线粒体DNA中的其他基因组特征，包括但不限于基因组大小、RNA编辑、基因谱、非编码区域，从而引发关于这些过程是否具有适应性或非适应性的更广泛争论[9−16]。
重新思考大型机数据在企业人工智能和分析中的作用
除了挑战之外，领导者对大型机数据的看法也很复杂。大型机系统本身就是一种复杂的技术，虽然它存储着关键数据，但需要付出太多努力或使用过时的技术知识才能充分挖掘其价值。尽管大多数受访者 (76%) 表示他们有指定的大型机专家，但长期以来围绕大型机数据的看法加剧了访问大型机数据的挑战。绝大多数受访者表示，他们发现访问大型机数据和上下文元数据非常困难或有些困难。在接受调查的领导者中，42% 的人表示他们认为将大型机数据与云数据源集成非常具有挑战性。这种普遍的看法使得利用这些数据对于希望快速启动 AI 计划的组织来说是一项艰巨或完全没有吸引力的任务。
利用生成式人工智能重新思考工业服务
调查参与者被要求说出他们在工业服务背景下实施生成人工智能的总体愿景。总体而言，愿景声明强调将生成人工智能融入工业服务，以提高运营效率、改善客户体验并通过战略性地使用数据来推动创新。公司不仅希望利用人工智能来简化流程和提高生产力，还希望利用人工智能来保持竞争优势并加深客户参与度。
重新思考折扣正规化：新的解释，意外后果和增强学习方案的解决方案
在计算最佳策略时使用较短的计划范围的折扣正则化是一个流行的选择，可以避免面对稀疏或嘈杂的数据时过度使用。通常将其解释为脱颖而出或忽略延迟的影响。在本文中，我们证明了折扣正则化的两种替代观点，这些观点暴露了意外后果并激发了新颖的正则化方法。在基于模型的RL中，在较低的折现因子下计划的行为就像先前的，具有更强的州行动对，并具有更多的过渡数据。从数据集中估算过过渡矩阵时，跨州行动对的数据集估算了不均匀的数据集时，这会导致性能。在无模型的RL中，折扣正则化等同于计划使用加权平均贝尔曼更新，在该计划中，代理计划似乎所有州行动对的值都比数据所暗示的更接近。我们的等价定理促使简单的方法通过在本地设置个人状态行动对而不是全球的参数来概括常规ization。我们证明了折扣正则化的失败以及如何使用我们的州行动特定方法在经验示例中使用表格和连续状态空间进行纠正。
重新思考以任务为导向的对话系统
以任务为导向的对话（TOD）系统是预先设计的，该系统由多个功能模块组成（例如，对话状态跟踪器，对话策略，自然语言生成），无论是管道还是端到端的档案。然而，这种模块化设计不仅在很大程度上依赖于大量的全通知数据，而且还遭受了许多固有的抽签，例如严重的误差积累，较差的概括能力，高定制成本和低容错率。In this paper, we rethink the architecture of the task-oriented di- alogue systems and propose a novel fully zero- shot autonomous TOD agent, named AutoTOD, where all the delicate modules in traditional TOD systems are deprecated and all it needs is a general-purpose instruction-following lan- guage model (e.g.GPT-4）。 Autotod仅利用一个简单的指令模式包含了任务和外部API的描述，并且可以自主决定在每个对话时要做什么，包括询问信息，调用API，汇总API恢复，并纠正先前的错误。 更重要的是，我们提出了一个基于模拟的评估框架，以更好地验证在现实生活中的TOD模型的能力。 在多沃兹和SGD数据集上进行的实验实验表明，Autotod的卓越任务能力和灵活的语言技能。 1GPT-4）。Autotod仅利用一个简单的指令模式包含了任务和外部API的描述，并且可以自主决定在每个对话时要做什么，包括询问信息，调用API，汇总API恢复，并纠正先前的错误。更重要的是，我们提出了一个基于模拟的评估框架，以更好地验证在现实生活中的TOD模型的能力。在多沃兹和SGD数据集上进行的实验实验表明，Autotod的卓越任务能力和灵活的语言技能。1
上下文化语音识别：重新思考第二...
自动语音识别（ASR）系统近年来见证了显着的进步。上下文化的ASR任务需要识别语音不是孤立的话语，而是在更广泛的情况下。常规方法经常采用第二通范式来重新排列初始转录，但它们有可能在候选假设中遇到预测错误，从而损害了识别精度。在这项研究中，我们引入了一个新颖的框架，该框架与典型的第二频繁撤退方法不同。给出了n-最佳假设，我们利用大型语言模型来提示上下文化的第二通过。除了追求更高的准确性外，我们还旨在探索性能边界，而无需实质上改变潜在的预培训的语言和语言模型。我们通过零拍的提示和战略性的低级适应调整来提高所提出的范式的有效性。在多个价值的口语阅读理解基准基准SRC上，促使模型和微调模型的表现优于1好的ASR假设，分别达到了13.6％和45.9％的明显相关性单词错误率（WER）改善。结果表明，提出的方法增强了转录准确性和上下文理解。