XiaoMi-AI文件搜索系统
World File Search System由众
面向强化学习的自动化 RISC-V 微架构设计
7 Nathan Binkert、Bradford Beckmann、Gabriel Black 等。（2011）。“Gem5 模拟器”。位于：SIGARCH 计算。建筑师。新闻 39.2，第1–7 。8 Jason Lowe-Power 等人。（2020）。“GEM5 模拟器：版本 20.0+”。在：arXiv 预印本 arXiv:2007.03152 。9 李盛等人。（2009）。“McPAT：用于多核和众核架构的集成功率、面积和时序建模框架”。收录于：IEEE/ACM 国际微架构研讨会 (MICRO)，第469–480 页。
卢森堡经济 - 全球 |
卢森堡除了拥有大学和四所公共研究中心（卢森堡科学技术研究所、卢森堡社会经济研究所、卢森堡卫生研究所和马克斯·普朗克研究所）之外，还有众多与工业相关的私人研究中心，这些研究中心隶属于固特异等国际集团（固特异卢森堡创新中心 (GIC*L) 负责为欧洲、非洲和亚洲市场研发新型轮胎，拥有来自 41 个国家的 1,000 多名研究人员）、赫斯基、IEE、德尔福和杜邦等。
比较人工智能数据工作的专家和新手
许多人工智能系统设计师都在努力寻找最佳方法，以收集不同类型的训练数据。在线群体提供了一种廉价的按需情报来源，但他们往往缺乏许多领域所需的专业知识。专家提供隐性知识和更细致入微的输入，但他们更难招募。为了探索这种权衡，我们在设计基于文本的对话代理的背景下，比较了新手和专家在人类智能任务方面的表现和看法。我们开发了一个初步的聊天机器人，它模拟与寻求心理健康建议的人的对话，以帮助教育 7cups.com 的志愿听众。然后，我们招募了经验丰富的听众（领域专家）和 MTurk 新手工作者（群体工作者）来执行任务，以改进具有不同复杂程度的聊天机器人。新手群体在只需要自然语言理解的任务上的表现与专家相当，例如纠正系统对用户语句的分类方式。对于更具生成性的任务，例如创建新的聊天机器人对话，专家们表现出更高的质量、新颖性和情感。我们还发现了一个激励差距：众包工作者喜欢互动任务，而专家们则认为这项工作乏味且重复。我们提供了设计考虑，以分配众包工作者和专家完成 AI 系统的输入任务，并更好地激励专家参与 AI 的低级数据工作。
数字化转型对
Małgorzata Kotlińska 1 摘要：目的：数字工具的快速发展，包括提供视频点播 (VOD) 服务的 Netflix 等流媒体平台，极大地改变了视听格局。本研究考察了数字化转型对视听商业模式的影响。设计/方法/方法：还进行了相关和定性主题分析，以探索与视听领域数字工具和平台相关的趋势和看法。结果表明，内容定制、众筹效率和数字化转型是影响行业商业模式演变的关键因素。该研究强调了适应新媒体消费趋势和不断适应动态数字可持续环境的重要性。结果：研究结果对内容创作者、分销商和平台提供商都很重要，并强调了优化推荐算法、加强观众参与和将可持续实践融入视听制作的必要性。实际意义：该研究还提供了如何适应不断变化的技术格局的实用建议，同时还考虑到使用人工智能 (AI) 的可能性。原创性/价值：这项研究通过将数字化转型与可持续实践和商业模式创新联系起来，为视听管理领域做出了贡献，为行业利益相关者提供了可行的见解。关键词：内容个性化、众筹、虚拟制作、推荐算法、技术创新、管理。JEL 代码：Z11、L82。论文类型：研究论文。
训练和测试 AI 算法的 5 个步骤
Applause 是众包测试和数字质量领域的全球领导者。软件是所有品牌吸引用户的核心，数字体验必须在任何地方都完美无缺。Applause 拥有全球各地随时可用的经过严格审查的测试人员，为品牌提供了全套测试和反馈功能。这种方法大大提高了测试覆盖率，消除了离岸外包和传统 QA 实验室的限制，并加快了网站、移动应用、物联网和店内体验的上市时间。
文件名：D7.6_conference presentation on business ideas_KEROGREEN_final.pdf
项目在地区、国家和国际层面都获得了很高的知名度，因此有望产生协同效应。同时，可以预期的是，听众已经对 KEROGREEN 项目中研究的 Power-to-X 概念和技术有了基本的了解，因此可以预期对经济讨论产生更大的影响。选择 KOPERNIKUS 项目作为演示框架的原因也是为了强调两个项目之间的协同作用，因为 KEROGREEN 项目是这项 PtX 努力中的第一个，第一阶段于 2016 年提交。KOPERNIKUS 于一年后的 2017 年启动。
2_sustabable供应链
过渡到可持续的农业实践可能涉及对农民的巨大经济承诺。但是，他们通常缺乏实施这些危险本身的财务资源，从而获得了信贷和财务，从而使人们能够过渡到更可持续的农业实践。众筹是一种金融工具，可以通过使农民从捐款中获得资金来为农民提供支持。这种筹款方式对于支持良好的创新项目特别有用，尽管他们有潜力，这些项目可能无法通过传统渠道获得资金。
比较人工智能数据工作的专家和新手 - NSF-PAR
许多人工智能系统设计师都在努力寻找最佳方法，以收集不同类型的训练数据。在线群体提供了一种廉价的按需情报来源，但他们往往缺乏许多领域所需的专业知识。专家提供隐性知识和更细致入微的输入，但他们更难招募。为了探索这种权衡，我们在设计基于文本的对话代理的背景下，比较了新手和专家在人类智能任务方面的表现和看法。我们开发了一个初步的聊天机器人，它模拟与寻求心理健康建议的人的对话，以帮助教育 7cups.com 的志愿听众。然后，我们招募了经验丰富的听众（领域专家）和 MTurk 新手工作者（群体工作者）来执行任务，以改进具有不同复杂程度的聊天机器人。新手群体在只需要自然语言理解的任务上的表现与专家相当，例如纠正系统对用户语句的分类方式。对于更具生成性的任务，例如创建新的聊天机器人对话，专家们表现出更高的质量、新颖性和情感。我们还发现了一个激励差距：众包工作者喜欢互动任务，而专家们则认为这项工作乏味且重复。我们提供了设计考虑，以分配众包工作者和专家完成 AI 系统的输入任务，并更好地激励专家参与 AI 的低级数据工作。
心有感触的叙事：通过法学硕士课程追踪个人故事中的同理心和叙事风格
同理心是实现亲社会行为的基石，可以通过在故事中分享个人经历来唤起。虽然同理心受到叙事内容的影响，但直觉上，人们也会通过叙事风格对故事的讲述方式做出反应。然而，同理心和叙事风格之间的关系尚未完全了解。在这项工作中，我们使用 LLM 和大规模众包研究，对风格和同理心之间的关系进行了实证检验和量化。我们引入了一种基于理论的新颖分类法 H EART（人类同理心和叙事分类法），它描述了可以与故事叙述者产生同理心的叙事风格元素。我们确定了 LLM 在从 H EART 中提取叙事元素方面的表现，表明使用我们的分类法进行提示可以产生合理的、人类级别的注释，超出了以前基于词典的方法所能达到的范围。为了展示我们分类法的实证应用，我们通过一项大规模众包研究收集了故事共情判断数据集，参与者人数为 N = 2,624 人。1 我们表明，通过 LLM 提取的叙事元素（尤其是情感生动性和情节量）可以阐明叙事风格培养对个人故事的共情的途径。我们的工作表明，此类模型可用于叙事分析，从而获得以人为本的社会和行为洞察。