XiaoMi-AI文件搜索系统
World File Search System论证
在说服力论文中迈向细粒度的论证策略分析
参数挖掘（AM）在过去十年中已成长为研究领域（Stede and Schneider，2018； Lawrence and Reed，2020年），重点是自动识别和提取自然语言论证的任务。这包括对论点组件的检测，例如主张（Daxenberger等人。，2017年； Schaefer等。，2022）和前提（Rinott等人，2015年），以及它们之间的关系（Carstens和Toni，2015年）。研究已在不同的文本域上进行了研究，例如更编辑的文本，例如社论（Al-Khatib等人，2016年）或Wikipedia文本（Rinott等人，2015年），到社交媒体，例如改变我的观点（Hidey等人，2017年）或Twitter（Schaefer and Stede，2022）。到目前为止，感兴趣的领域是一个识别论证策略的识别，即作者在线性化论证上做出的决定并用语言表达式以有说服力的效果标记（Al-Khatib等人）（Al-Khatib等人），2017年； El Baff等。，2019年）。有效性，可以描述为参数的一个维度 -
基于论证的人机协作，支持行为改变以改善健康
本文介绍了一项基于论证的数字伴侣的实证需求引出研究，该研究旨在支持行为改变，其最终目标是促进和促进健康行为。这项研究由非专家用户和健康专家共同进行，部分由原型开发提供支持。它侧重于以人为本的方面，特别是用户动机，以及对数字伴侣的角色和交互行为的期望和看法。根据研究结果，提出了一个框架，用于定制代理的角色和行为以及论证方案。结果表明，数字伴侣在论证上挑战或支持用户态度和选择行为的程度以及伴侣的自信和挑衅程度可能会对用户接受度以及与数字伴侣互动的效果产生实质性和个性化的影响。更广泛地说，结果初步揭示了用户和领域专家对论证对话的“软”元级方面的看法，表明未来研究的潜力。
论证和发展转变大学航空飞行计划的能力
美国心脏病学会 (ACC) (2018)。领导能力：担任 ACC 的领导者。取自 https://www.acc.org/about-acc/leadership/leadership-compe tencies 美国研究机构 (2019)。2019 年全国基于高等教育能力的调查结果。取自 https://www.air.org/project/nation-survey-posts secondary-compe tency-based-educa tion。Anderson, L. 和 Krathwohl, D. (2001)。学习、教学和评估的分类法：布鲁姆教育目标分类法修订版（完整版）。纽约，纽约州：朗文。国际航空认证委员会 (2017)。关于 AABI。摘自 http://www.aabi.aero/about-aabi/ Ben-Nun, L. (2014)。非语言沟通技巧。以色列贝尔谢巴：BN 出版公司。 Bloom, B., & Krathwohl, D. (1956)。教育目标分类：教育目标分类（第 1 版）。纽约，NY：Longmans, Green。 波音 (2018)。商业市场展望：2018-2037。摘自 https://www.boeing.com/comme rcial/ marke t/comme rcial-market- outlo ok/ Bolden, R., & Gosling, J. (2006)。领导能力：是时候改变风格了？领导力，2（2），147-163。https://doi。 org/10.1177/17427 15006 062932 Brannick, M., Prince, C., & Salas, E. (2005). 基于 PC 的系统能否增强驾驶舱内的团队合作？国际航空心理学杂志，15 (2)，173–187。https://doi.org/10.1207/s1532 7108i jap15 02_4 巴西飞行员
ARGMED-AGENT：通过论证方案解散的解释临床决策推理
摘要 - 在临床推理中使用大型语言模型（LLM）有两个主要障碍。首先，尽管LLM在自然语言处理（NLP）任务中表现出巨大的希望，但它们在复杂的推理和计划中的表现却没有期望。其次，LLM使用不可解释的方法来做出与临床医生的认知过程根本不同的临床决策。这导致用户不信任。在本文中，我们提出了一个称为argdrestents的多代理框架，该框架旨在使基于LLM的代理通过互动来解释临床决策推理。Argmed-通过论证方案进行临床讨论（一种用于建模临床推理中认知过程的推理机制），然后将论证过程构造为对有冲突关系的指示图构建论证过程。最终，使用符号求解器来确定一系列理性和连贯的论点来支持决策。我们构建了一个正式的Argmed代理模型，并为理论保证提供了当前的猜想。Argmed-Agents使LLM可以通过以自定向方式产生推理的解释来模仿临床论证推理的过程。设置实验表明，与其他及时方法相比，Argsments不仅提高了复杂的临床决策推理问题的准确性，而且更重要的是，它为用户提供了提高其信心的决策解释。索引术语 - 临床决策支持，大语言模型，多代理系统，可解释的AI
参与者服务计划：更新/90 天审查/论证
参与者服务计划：更新/90 天审查/理由表 (PAS-65A) 用于记录参与者在实现初始参与者服务计划 (PAS-65) 中所示的预期行为变化方面的进展。PAS-65A 应用于对初始服务计划 (PAS-65) 的所有更新、审查和/或更改以及理由（如果）/当预防咨询需要延长超过 15 个课程的最大服务时长时。预防专家和主管将确定参与者是否继续符合入院标准以及参与者是否可以从持续的预防咨询服务中受益。在初始 PAS-65 完成之日起，每 (90) 个日历日都必须填写 PAS-65A，直到参与者出院。如果需要其他更新，请使用单独的 PAS-65A 表格。条目 项目 1 – 4 - 标题 不言自明 项目 5 - 更新/90 天审查/理由 选择此表格是用于记录初始服务计划 (PAS-65) 的更新、90 天审查还是将服务延长至 15 个疗程的最长服务时长之后的理由。*更新和理由或*90 天审查和理由可以在同一表格中一起检查和记录。 项目 6 - 本次审查的日期 不言自明 项目 7 - 迄今为止取得的成果 具体说明 PAS-65 上显示的每种行为的状态。从行为和可衡量的角度总结参与者在每个预计结果方面的进展或未取得的进展。 项目 8 - 目前的行为指标 指定在接下来的 90 天服务期间要解决的当前行为。包括所有先前声明的仍在解决的行为。还包括自制定 PAS-65 以来发现的任何新行为。再次，在适用的情况下，以可衡量的方式陈述行为。第 9 项 – 预期结果/成果 指出与上述行为相关的预期行为变化（预期结果）。
科学/高级科学计算研究 2024 财年国会预算论证
高级科学计算研究概述 高级科学计算研究 (ASCR) 计划的使命是推进应用数学和计算机科学；与学科科学合作提供最复杂的计算科学应用；推进计算和网络能力；并与包括美国工业界在内的研究界合作，为科学和工程开发未来几代计算硬件和软件工具。ASCR 支持通过计算实现科学发现的最先进的能力。ASCR 与科学办公室 (SC) 以及应用技术办公室、其他机构和行业的合作对于这些努力至关重要。ASCR 的计算机科学和应用数学活动为提高国家高性能计算 (HPC) 生态系统的能力奠定了基础，通过专注于长期研究来开发创新的软件、算法、方法、工具和工作流程，以预测未来的硬件挑战和机遇以及科学应用和能源部 (DOE) 任务需求。同时，ASCR 与学科科学合作，在对 SC、DOE 和国家具有战略重要性的领域提供一些最先进的科学计算应用程序。 ASCR 还部署和运营世界一流的开放式 HPC 设施和高性能科学研究网络基础设施。半个多世纪以来，美国通过持续投资于研究、开发和定期部署新的先进计算系统和网络以及有效使用它们的应用数学和软件技术，保持了世界领先的计算能力。美国计算领导力带来的好处是，在提高劳动力生产率、加速科学和工程进步、先进制造技术和快速成型以及无需测试的库存管理方面取得了巨大进步。计算科学使研究人员能够探索、理解和利用自然和工程系统，这些系统太大、太复杂、太危险、太小或太短暂，无法进行实验探索。HPC 的领导地位也在维持美国的竞争力方面发挥了至关重要的作用。人们认识到，在人工智能 (AI) 和计算与数据生态系统整合方面处于领先地位的国家将在开发创新清洁能源技术、药品、工业、供应链和军事能力方面引领世界。美国需要利用科学投资来创新新技术、新材料和新方法，以加强我们的清洁能源经济，并确保所有美国人都能分享这些投资的利益。计算科学的下一代突破将来自于采用极端规模的数据驱动方法，并与美国研究人员和 SC 用户设施生成的数据量和复杂性的大幅增加紧密结合。人工智能技术与这些现有投资的融合为创新和技术开发和部署创造了强大的加速器。量子信息科学 (QIS) ——利用复杂的量子力学现象创造获取和处理信息的全新方式的能力——正在开辟科学发现和技术创新的新视野，这些新视野建立在 SC 数十年的投资之上。能源部设想了一个未来，QIS 的交叉领域将越来越多地推动科学前沿和创新，以实现基于量子的应用的全部潜力，从计算到传感，通过量子互联网连接。然而，需要采取大胆的方法，更好地结合技术创新链的所有要素，并联合 SC、大学、国家实验室和私营部门的人才，共同努力，使美国能够引领世界走向量子未来。摩尔定律（即微芯片创新的历史速度，特征尺寸大约每两年缩小一半）由于基础物理和经济学的限制而即将终结。因此，众多新兴技术正在竞争以帮助维持生产力增长，每种技术都有自己的风险和机遇。ASCR 面临的挑战是了解它们对科学计算的影响，并为快速发展的技术可能带来的破坏做好准备，而不会扼杀创新或阻碍科学进步。ASCR 的战略是专注于建立在 SC 专业知识和核心投资基础上的技术，继续与行业、应用技术办公室、其他机构以及百亿亿次计算项目 (ECP) 的科学界合作；投资小规模试验台；并增加对应用数学和计算机科学的核心研究投资。ASCR 提议的活动将推动 AI、QIS、高级通信网络和百亿亿次级及以上的战略计算，以加速实现清洁能源未来、理解和应对气候变化、扩大我们在科学方面的投资影响以及提高美国工业的竞争优势。量子信息科学 (QIS) 是一种利用复杂的量子力学现象来创造获取和处理信息的全新方式的能力，它正在为科学发现和技术创新开辟新的前景，而这些创新建立在数十年来对量子信息科学的投入之上。美国能源部设想，未来量子信息科学这一交叉领域将不断推动科学前沿和创新，以实现量子应用的全部潜力，从计算到传感，通过量子互联网连接起来。然而，我们需要采取大胆的方法，更好地结合技术创新链的所有要素，并联合量子信息科学、大学、国家实验室和私营部门的人才，共同努力，使美国能够引领世界进入量子未来。摩尔定律（即微芯片创新的历史速度，特征尺寸大约每两年缩小一半）由于基础物理学和经济学的限制而即将结束。因此，许多新兴技术正在竞争以帮助维持生产力增长，每种技术都有自己的风险和机遇。 ASCR 面临的挑战是了解它们对科学计算的影响，并为快速发展的技术可能带来的颠覆做好准备，同时又不扼杀创新或阻碍科学进步。ASCR 的战略是专注于建立在 SC 专业知识和核心投资基础上的技术，继续与行业、应用技术办公室、其他机构以及百亿亿次计算项目 (ECP) 的科学界合作；投资小规模试验台；并增加对应用数学和计算机科学的核心研究投资。ASCR 提出的活动将推动 AI、QIS、先进通信网络和百亿亿次级及更高级别的战略计算，以加速实现清洁能源未来、理解和应对气候变化、扩大我们在科学方面的投资影响以及提高美国工业的竞争优势。量子信息科学 (QIS) 是一种利用复杂的量子力学现象来创造获取和处理信息的全新方式的能力，它正在为科学发现和技术创新开辟新的前景，而这些创新建立在数十年来对量子信息科学的投入之上。美国能源部设想，未来量子信息科学这一交叉领域将不断推动科学前沿和创新，以实现量子应用的全部潜力，从计算到传感，通过量子互联网连接起来。然而，我们需要采取大胆的方法，更好地结合技术创新链的所有要素，并联合量子信息科学、大学、国家实验室和私营部门的人才，共同努力，使美国能够引领世界进入量子未来。摩尔定律（即微芯片创新的历史速度，特征尺寸大约每两年缩小一半）由于基础物理学和经济学的限制而即将结束。因此，许多新兴技术正在竞争以帮助维持生产力增长，每种技术都有自己的风险和机遇。 ASCR 面临的挑战是了解它们对科学计算的影响，并为快速发展的技术可能带来的颠覆做好准备，同时又不扼杀创新或阻碍科学进步。ASCR 的战略是专注于建立在 SC 专业知识和核心投资基础上的技术，继续与行业、应用技术办公室、其他机构以及百亿亿次计算项目 (ECP) 的科学界合作；投资小规模试验台；并增加对应用数学和计算机科学的核心研究投资。ASCR 提出的活动将推动 AI、QIS、先进通信网络和百亿亿次级及更高级别的战略计算，以加速实现清洁能源未来、理解和应对气候变化、扩大我们在科学方面的投资影响以及提高美国工业的竞争优势。摩尔定律（即微芯片创新的历史速度，特征尺寸大约每两年缩小一半）由于基础物理和经济学的限制而即将终结。因此，众多新兴技术正在竞争以帮助维持生产力增长，每种技术都有自己的风险和机遇。ASCR 面临的挑战是了解它们对科学计算的影响，并为快速发展的技术可能带来的破坏做好准备，而不会扼杀创新或阻碍科学进步。ASCR 的战略是专注于建立在 SC 专业知识和核心投资基础上的技术，继续与行业、应用技术办公室、其他机构以及百亿亿次计算项目 (ECP) 的科学界合作；投资小规模试验台；并增加对应用数学和计算机科学的核心研究投资。ASCR 提议的活动将推动 AI、QIS、高级通信网络和百亿亿次级及以上的战略计算，以加速实现清洁能源未来、理解和应对气候变化、扩大我们在科学方面的投资影响以及提高美国工业的竞争优势。摩尔定律（即微芯片创新的历史速度，特征尺寸大约每两年缩小一半）由于基础物理和经济学的限制而即将终结。因此，众多新兴技术正在竞争以帮助维持生产力增长，每种技术都有自己的风险和机遇。ASCR 面临的挑战是了解它们对科学计算的影响，并为快速发展的技术可能带来的破坏做好准备，而不会扼杀创新或阻碍科学进步。ASCR 的战略是专注于建立在 SC 专业知识和核心投资基础上的技术，继续与行业、应用技术办公室、其他机构以及百亿亿次计算项目 (ECP) 的科学界合作；投资小规模试验台；并增加对应用数学和计算机科学的核心研究投资。ASCR 提议的活动将推动 AI、QIS、高级通信网络和百亿亿次级及以上的战略计算，以加速实现清洁能源未来、理解和应对气候变化、扩大我们在科学方面的投资影响以及提高美国工业的竞争优势。
定量双极论证图的贡献函数：基于原则的分析
正式论证已成为人工智能领域内的一个充满活力的研究领域。尤其是，形式论证的辩证性质被认为是共同的人机推理和决策的有前途的促进者，也是亚符号和符号AI之间的潜在桥梁[1]。在正式的论点中，参数及其关系作为指示图表示，其中节点是参数，边缘是参数关系（通常：攻击或支持）。从这些论点图中，得出了有关参数的可接受性状态或优势的推论。一种正式的论证方法正在增加研究的注意力是定量双极论证（QBA）。在QBA（通常是数值）权重（通常是数值的）权重（如此公认的初始优势）中分配给了参数，并且参数通过支持和攻击关系连接。因此，通过节点的传入边缘直接连接到节点的参数可以称为攻击者和支持者（取决于关系）。给出了定量的双极论证图（qbag），然后论证语义渗透了论证的最终强度。从直觉上讲，论点的攻击者倾向于降低其最终力量，而支持者倾向于增加它的最终力量。通常，正式论证和QBA的新生应用通常与解释性相关[2，3]，例如，在可解释的推荐系统[4]的背景下，回顾聚合[5]或机器学习模型，例如随机森林[6]或神经网络[7]。这遵循上述参数影响的直觉为了利用QBA作为解释性的促进者，至关重要的是，对一种论点对另一个论点的影响有一种严格的理解，这一点至关重要。
迈向基于论证的公平，并将其应用于人工智能增强型教育评估
教育测量领域将有效性和公平性作为评估质量的核心概念。先前的研究提出将公平性论证嵌入基于论证的有效性过程中，特别是当公平性被视为跨群体评估属性的可比性时。但是，我们认为，需要一种更灵活的公平性论证方法，这种方法发生在有效性论证之外并与其互补，以解决一组评估利益相关者可能持有的许多公平性观点。因此，我们将本文重点放在两个贡献上：（a）引入基于论证的公平性方法来补充传统和人工智能 (AI) 增强评估的基于论证的有效性；（b）将其应用于用于预先筛选求职者的自动视频面试中感知可雇用性的说明性 AI 评估中。我们最后提出了进一步推进基于论证的公平性方法的建议。
超越结构：使用理性力量模型评估论证写作
在教育研究和实践中使用的抽象当前方法评估书面论点的质量通常取决于结构分析。在此类评估中，由于存在论证，索赔，证据和反驳等论点的结构性要素而获得信用。在本文中，我们讨论了这种方法的局限性，包括缺乏评估论证元素质量的标准。然后，我们基于理性力量模型（RFM）提出了一个替代框架，该框架起源于北欧哲学家Næss的工作。使用论证论文的示例，我们通过关注论证元素的可接受性和相关性来证明RFM改善论证分析的潜力，这两个标准被广泛认为是论证强度的基本标志。我们概述了在教育环境中使用RFM的可能性和挑战，并通过提出未来研究的方向来得出结论。
身份识别毫无意义：量子参考系、事件定位和量子洞论证
研究量子参考系 (QRF) 的动机是考虑我们在描述物理系统时明确或隐含使用的参考系的量子特性。与经典参考系一样，QRF 可用于相对地定义时间、位置、动量和自旋等物理量。与其经典类似物不同，它相对化了量子系统的叠加和纠缠概念。在这里，我们通过将其追溯到叠加中不同分支之间如何识别配置或位置的问题，为叠加和纠缠的框架依赖性提供了一种新颖的解释。我们表明，在存在对称性的情况下，系统在分支之间是处于“相同”还是“不同”的配置取决于 QRF 的选择。因此，相同性和差异性——以及因此产生的叠加和纠缠——失去了绝对意义。我们将这些想法应用到叠加半经典时空的背景下，并使用四个标量场的巧合来构建不同分支中时空点之间的比较图。这使我们能够确定给定事件是位于叠加时空中的“相同”点还是“不同”点。由于此功能取决于 QRF 的选择，我们认为事件的定位不应被视为事件的固有属性。这缓解了之前提出的担忧，即 QRF 变化可能会对干涉实验产生经验后果，例如 Bose 等人 -Marletto-Vedral 的提议。此外，它意味着在量子控制因果序的平坦和弯曲时空实现中，事件的数量相等。我们以“量子空洞论证”作为爱因斯坦著名空洞论证的量子背景的概括，认为在量子对称性存在的情况下，不仅时空点，而且它们的识别和叠加流形中事件的定位都失去了绝对的物理意义。