XiaoMi-AI文件搜索系统
World File Search SystemAbili
降低的生成语言模型中的紧急能力
大型语言模型可以解决新任务，而无需特定于任务的微调。这种能力，也称为文化学习（ICL），具有出现的能力，主要是在具有数十亿个参数的大语言模型中看到的。这项研究研究了这种紧急特性是否严格与模型大小相关，或者可以通过较小的模型进行培训的较小尺度数据。为了探讨这一点，我们简化了训练前数据和训练前36个因果语言模型，参数从100万到1.65亿个参数不等。我们表明，在此简化的预训练数据上训练的模型表明，以简化语言的各种任务进行了增强的零射击功能，从而实现了在不受限制的语言上六倍的预训练模型的性能组合。这表明降低语言允许零击学习能力在大小有限的模型中出现。此外，我们发现这些较小的模型在简化的数据上进行了预训练，证明了评估损失与三个缩放因素之间的功率定律关系：计算，数据集大小和模型大小。1
幼儿教育在提高随后级别的学习能力中的作用：一个案例
摘要本研究研究了幼儿教育对随后的教育水平增强学习能力的影响。具体来说，它研究了通过幼儿教育获得的认知和社会发展的贡献。采用整体观点，该研究涉及身体，认知，社会情感和语言发展，直到儿童进入小学为止。使用混合方法方法采用描述性研究设计，结合了定性和定量研究方法，该研究借鉴了Vygotsky的社会文化理论。数据收集涉及向各种受访者批准问卷。研究人群涵盖了Musanze区的71所小学（13所私立，58个公立）和54所托儿所（19个私立，35个公立）。目标人群由71位小学教师，71名小学教育官（DOSS）和54名幼儿园教师组成。使用Yamane的公式确定样本量为132。数据收集涉及问卷，结构化访谈和试点研究，以确保仪器的可靠性。这些发现揭示了认知与社会发展之间存在积极而显着的相关性，并在随后的教育水平上增强了学习能力。这项研究强调了幼儿教育的重要性，并建议增加政府和非政府努力，以制定支持幼儿发展的政策和计划。关键字：提高学习能力，幼儿教育，随后的水平………………………………………………………………………………………………………………………………………………………
拳击运动对帕金森展示个人功能能力和生活质量的影响：系统评价
摘要：帕金森氏病（PD）是一种神经系统疾病，是由于底底斑nigra中多巴胺产生细胞的丧失引起的，其特征是运动和非运动症状。拳击是一种补充治疗，可改善PD症状。本研究的目的是检查拳击培训对PD患者生活质量的影响。文献搜索是在PubMed，Scopus，Pedro，Cochrane图书馆和Google Scholar搜索引擎上进行的。PEDRO量表用于评估研究的方法论质量。这项系统评价包括三项研究，研究了疾病严重性，流动性，体育锻炼，平衡和生活质量。根据PEDRO量表标准，其中包括的三篇文章具有很高的方法论质量。在实施拳击培训后的统计显着改善。拳击培训干预计划对PD患者的平衡和生活质量产生积极影响；但是，结果在某些功能变量方面存在冲突。因此，有必要进行进一步的研究，以检查拳击培训对帕金森氏病患者生活质量和生活质量的有效性。
功能能力评估医疗报告 - 驾驶执照
驾驶员的签名日期此表格的以下部分将由医疗保健专业人员完成。欺诈性提交可以导致刑事和行政诉讼。在此表格上提交的医疗信息应仅限于与安全驾驶有关的信息。有关如何提交此表格的更多信息，请访问dld.utah.gov。可以在我们的网站https：// dld.utah.gov/healthcare-providers/
alphazero中计划能力的限制-CCN 2024
Glickman，M。E.和Jones，A。C.（1999）。评估国际象棋评级系统。Chance-Berlin，然后是纽约，12，21-28。Kim，B.，Wattenberg，M.，Gilmer，J.，Cai，C.，Wexler，J.，Viegas，F。等。 （2018）。 可解释性超出特征归因：具有概念激活向量（TCAV）的定量测试。 在国际机器学习会议上（pp。） 2668–2677）。 Lee，S。（2000）。 非负矩阵因子化算法。 nips。 McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Kim，B.，Wattenberg，M.，Gilmer，J.，Cai，C.，Wexler，J.，Viegas，F。等。（2018）。可解释性超出特征归因：具有概念激活向量（TCAV）的定量测试。在国际机器学习会议上（pp。2668–2677）。Lee，S。（2000）。 非负矩阵因子化算法。 nips。 McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Lee，S。（2000）。非负矩阵因子化算法。nips。McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。McGrath，T.，Kapishnikov，A.。。Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Kramnik，V。（2022）。在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。在Alphazero中获得国际象棋知识。国家科学院的会议记录，119（47），E2206625119。Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。（2018）。一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。Sci-Ence，362（6419），1140–1144。Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。。。其他人（2017年）。掌握没有人类知识的Go的游戏。自然，550（7676），354–359。Steingrimsson，H。（2021）。国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。在2021年IEEE游戏会议（COG）会议（pp。1–8）。Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。ARXIV预印ARXIV：2206.10498。（2023）。大型语言模型仍然无法计划（LLMS的基准计划和推理有关变更的理由）。van Opheusden，B.，Kuperwajs，I.，Galbiati，G.，Bnaya，Z.，Li，Y。，＆Ma，W。J.专业知识增加了人类游戏玩法的计划深度。自然，618（7967），1000–1005。
基于社会认知学习和数学自我效能感的学生数学推理能力的概述
摘要：详细的数学推理能力可以帮助学生理解更高的数学能力，包括证明，解决问题和批判性思维。但是，根据调查和研究，学生的数学推理能力很低，需要大大关注。因此，本研究旨在通过考虑学生的数学自我效能（MSE）来获得获得社会认知学习模型（SCL）模型（SCL）模型（SCL）模型（SCL）模型（SCL）模型（SCL）模型（PBL）模型的学生的数学推理能力（MSE）。这项研究使用了准实验性的非较少测试后小组设计，其中70名来自万隆一所学校的11级SMA学生。数据收集使用数学推理能力测试和数学自我效能调查表，将MSE级别分类为低，中等或高的水平。使用双向方差分析和3x2阶乘设计分析数据。根据研究结果，使用SCL模型教授的学生具有比使用PBL模型的数学推理能力更好的数学推理能力。此外，MSE水平较高的学生在数学能力上超过MSE水平较低。SCL模型增强了学生的数学推理能力，并扩展了社会认知理论的数学适用性范围。关键字：社交认知，数学推理能力，数学自我效能感，PBL简介
“我不是在碰你。这是机器人！”：通过基于触摸的机器人在混合视野儿童中包含
视觉障碍的儿童通常由于视觉提示的访问有限而难以在小组活动中进行全面参与。他们很难感知正在发生的事情，何时以及如何采取行动 - 对有和没有视觉障碍的儿童的领导对小组活动感到沮丧，从而减少了相互作用。为了解决这个问题，我们创建了Thinibo，这是一种触觉讲故事的机器人，该机器人在多感觉环境中作用，鼓励基于触摸的互动。Touchibo为组交互提供了一个包容性的空间，因为在混合视觉上下文中，触摸是一种高度可访问的方式。在一项涉及107名儿童（37名视觉障碍）的研究中，我们将Touchibo与仅一位音频讲故事的人相提并论。结果表明，Touchibo显着改善了儿童的个人和团体参与感，基于触摸的互动，讲故事的人更加讨人喜欢和乐于助人。我们的研究强调了基于触摸的机器人通过促使人际交往的触摸来丰富儿童社交互动的潜力，尤其是在混合视觉能力环境中。
镜像神经元如何塑造我们的学习能力
引用：VerónicaBenavidezMagister。“”学习镜：镜像神经元如何塑造我们的学习能力”。ACTA科学神经病学7.4（2024）：25-38。
运动想象能力得分是否与步态想象期间的皮质活动相关？
使用主观问卷和心理计时测试参与研究和临床方案的受试者的 MI 能力的重要性。这将有助于首先深入了解 MI 的神经机制，其次，有助于根据患者的 IA 制定量身定制的物理治疗方案。尽管如此，我们知道 MI 是一项复杂的任务，除了主观问卷和计时表现之外，还应考虑其他几个方面，以更好地测量健康受试者的 MI 能力。因此，未来的研究需要证实我们的发现，并阐明 MI 能力与皮质激活之间的关系是否会受到参与者先前经验和运动任务类型的影响（例如，基于受试者运动曲目的任务等
通过HCI
在一个越来越多样化和庆祝多样性的世界中，对于HCI而言，重要的是要接受不断发展的方法和技术来改造其用户的多样性并以能力为中心。相互依存理论是这种发展的一个例子，突出了人类与技术之间的人际关系以及如何设计技术来满足人们的共同目标和成果，无论他们的能力如何。这需要当代对“能力多样性协作”的理解，这激发了这一评论。在这篇评论中，我们对过去二十年来来自ACM数字库中的117篇论文进行了分析。我们贡献（1）独立的分类法和能力多样性的协作框架，（2）对当前设计空间进行的曲面讨论和映射，以及（3）未来的研究机会和挑战。最后，我们发布了我们的数据和分析工具，以鼓励HCI研究社区为这一持续的Efort做出贡献。