XiaoMi-AI文件搜索系统
World File Search SystemAgentic
![已发布版本的引文 (APA)：Markauskaite, L.、Marrone, R.、Poquet, O.、Knight, S.、Martinez-Maldonado, R.、Howard, S.、Tondeur, J.、De Laat, M.、Buckingham Shum, S.、Gašević, D. 和 Siemens, G. (2022)。重新思考人工智能与人类学习之间的交织：学习者需要具备哪些能力才能适应人工智能的世界？计算机与教育。人工智能，3，1-16。[100056]。https://doi.org/10.1016/j.caeai.2022.100056](/simg/a\aebcfc403c23af0c5e2526482820a6e8dd33ca57.png)
已发布版本的引文 (APA)：Markauskaite, L.、Marrone, R.、Poquet, O.、Knight, S.、Martinez-Maldonado, R.、Howard, S.、Tondeur, J.、De Laat, M.、Buckingham Shum, S.、Gašević, D. 和 Siemens, G. (2022)。重新思考人工智能与人类学习之间的交织：学习者需要具备哪些能力才能适应人工智能的世界？计算机与教育。人工智能，3，1-16。[100056]。https://doi.org/10.1016/j.caeai.2022.100056
人工智能在人类生活的方方面面（从个人休闲到协作专业工作，再到全球政策决策）的普及提出了一个尖锐的问题：如何让人们为一个日益充斥着技术设备和代理机器的互联、快速变化的世界做好准备。在充满人工智能的世界中，人们需要什么样的能力？我们如何概念化这些能力？我们如何帮助学习者发展这些能力？我们如何实证研究和评估他们的发展？在本文中，我们采用对话式知识构建方法展开讨论。我们由 11 位合著者组成的团队参加了精心策划的书面讨论。通过半独立半联合的书面多方对话，我们收集了大量关于这些能力是什么以及如何帮助学习者发展这些能力的想法。同时，我们讨论了概念和方法论思想，这些思想使我们能够测试和改进我们的假设观点。在综合这些想法时，我们提出需要超越以人工智能为中心的能力观点，并考虑技术、认知、社交互动和价值观的生态。
对选择的工具价值的敏感性在开发中增加
从生命的早期开始，孩子们面临着无数的决定，但也许没有像选择何时尝试控制他们经历的事件那样无处不在。例如，孩子们不仅可以选择穿什么衣服，吃什么或与哪个朋友一起玩，还可以选择这些选择，还是要做出这些选择，还是放弃控制并让其他人塑造自己的环境。关于是否做出选择的决定会影响儿童所经历的积极和负面结果，他们的早期学习机会（Ruggeri等人，2019年），以及他们对他们对环境的代理的信念（Heckhausen等，2010; Moscarello＆Hartley，2017年）。尽管代理选择决定对人们如何与环境互动和学习的层次影响，以及广泛的证据表明，儿童和成人都重视了做出选择的权利（Ackerlund Brandt等，2015; Cordova＆Lepper，1996; 1996; Dunlap et al。，1994; Dunlap等，1994; Fisher et al。尚不清楚不同的认知过程如何塑造整个发展的代理决策。
DB-GPT的演示：下一代数据交互系统由大语言模型授权
最近的大语言模型（LLM）中的突破是过渡许多软件领域的。在本文中，我们提出了DB-GPT，这是一个革命性的和产品就绪的Python库，该库将LLMS集成到传统的数据交互任务中，以实现用户体验和可访问性。db-gpt旨在了解由自然语言描述的数据交互任务，并提供由LLMS提供支持的上下文感知响应，使其成为从新手到专家不等的用户必不可少的工具。其系统设计支持跨本地，分布式和云环境的部署。除了处理使用LLMS的基本数据交互任务（例如文本到SQL）之外，它可以通过多代理框架和代理工作流程表达语言（AWEL）处理复杂的任务，例如生成数据分析。面向服务的多模型管理框架（SMMF）确保数据隐私和安全性，使用户能够使用私人LLMS使用DB-GPT。此外，DB-GPT还提供了一系列可准备的功能，旨在使用户可以轻松地在其产品环境中集成DB-GPT。DB-GPT的代码可在GitHub上获得。
增强社会物质性：人工智能对学习技术领域的影响
过去十年，人们一直在有意识地努力对技术在学习中的应用进行更理论化的阐述。与此同时，人工智能 (AI) 的进步正在迅速融入学习技术，极大地改变了它们对教学和学习的影响。在本文中，我将讨论从理论角度引入人工智能和相关功能（如机器学习）是否是一种新颖的发展，如果是，那么它是如何发展的？我借鉴了现有的社会物质性学习观点，并认为人工智能的使用确实有所不同，因为人工智能通过允许物质性具有以前主要与人类代理相关的特征来改变社会物质性，从而改变了社会物质组合的性质。在这种数据和算法驱动的基于人工智能的社会物质性中，表征和代理的变化的影响，从而改变了对认知至关重要的表征和关系实践。数据/算法、表征/代理增强和关系/参与实践的二元性在这个新的社会物质组合中协同作用。如果不加以控制，这种新的组合很容易延续技术本身所编程的偏见。因此，在使用人工智能驱动的学习技术之前，必须考虑其伦理和道德影响。
人工智能
人工智能在人类生活的方方面面（从个人休闲到协作专业工作，再到全球政策决策）的普及提出了一个尖锐的问题：如何让人们为一个日益充斥着技术设备和代理机器的互联、快速变化的世界做好准备。在充满人工智能的世界中，人们需要什么样的能力？我们如何概念化这些能力？我们如何帮助学习者发展这些能力？我们如何实证研究和评估他们的发展？在本文中，我们采用对话式知识构建方法展开讨论。我们由 11 位合著者组成的团队参加了精心策划的书面讨论。通过半独立半联合的书面多方对话，我们收集了大量关于这些能力是什么以及如何帮助学习者发展这些能力的想法。同时，我们讨论了概念和方法论思想，这些思想使我们能够测试和改进我们的假设观点。在综合这些想法时，我们提出需要超越以人工智能为中心的能力观点，并考虑技术、认知、社交互动和价值观的生态。
《人工智能法案》中的通用人工智能系统：试图适应……
引言 2 I. 从人工智能代理到软件 5 A. 人工智能定义的演变 5 1. 人工智能的功能定义 5 2. 统计工具的兴起 8 B. 关于伤害的某些概念 11 1. 风险与背景的关系 11 2. 风险与数据的关系 14 C. 欧盟法律和《人工智能法》中的预期目的概念 15 1. 欧盟法律中的预期目的概念 15 2. 《人工智能法》中的预期目的概念 17 II. 从软件到人工智能代理 18 A.无预期用途模型的兴起 18 1. 基础模型和其他 GPAIS 18 2. 功能日益强大且具有代理性的人工智能系统 22 B. 相关危害 23 1. 揭穿《人工智能法案》中的一些误解 23 2. GPAIS 和潜在危害 25 C. 与 GPAIS 相关的法律问题 26 1 渥太华大学法学院博士候选人；图卢兹人工智能和自然智能研究所研究员。 2 麦吉尔大学计算机科学学院助理教授
通过批判性思维重新构想教育中的数字技术
在过去的几十年里，技术决定论、技术解决主义和技术的工具性观点充斥着教育研究文献，自疫情危机爆发以来，这种观点更加普遍。本文利用批判技术哲学和女权主义新唯物主义的见解，对教学中技术采用的简单解释进行了批判。它拒绝了教师抵制变革的假设，并提出了一个框架来扩展对未来教育的想象。从这个意义上讲，批判性研究将重点放在人类活动与社会和情境知识/实践的相互联系上。重点是递归关系，使教育研究人员和从业者能够考虑到数字技术教学采用的相当复杂性。另一方面，女权主义新唯物主义带来了对关系本体论的新关注，这为批判性理论框架增加了代理元素。通过克服通过乌托邦和反乌托邦看待技术的二元方式，新唯物主义研究关注道德和责任。我们认为，我们需要批判性观点和新唯物主义观点，以便以有意义、富有成效和创造性的方式将技术应用于教育。基于小故事和可能的乌托邦，我们可以重新设计和重新诠释教育技术的未来。
道德政策中的协商危害：以杜特尔特的禁毒战争为例
将一项政策视为有害会导致对其道德谴责。然而，这种有害性可以通过建立在可用、可访问和相关的话语之上来构建和协商，从而导致不同的道德立场。本研究考察了个人在对一项有争议的政策——菲律宾总统杜特尔特的禁毒战争（当地称为“tokhang”）进行道德推理时如何构建和协商危害。我们进行了主题分析，关注话语，分析了对 12 名菲律宾年轻人的采访，以二元道德理论为起点，理解危害的构建。关于“tokhang”的推理表明，作为道德立场基础的故意行为者和脆弱受害者的不同构造。对禁毒战争的道德谴责强调了受害者的脆弱性以及政府和警察作为行为者的故意性。另一方面，该政策的道德辩护将禁毒战争受害者构建为行为者和有罪者，将警察构建为潜在的脆弱受害者，他们按照协议为自己辩护，而流氓行为者则独立于政策行事。当伤害的因果关系不明确时，立场模糊也是可能的。这些建构和协商建立在城市青年社会政治背景下更广泛的话语之上，个人背景和特征导致某些话语的可及性和相关性以及由此产生的道德立场存在差异。
内源性偏好：对宪法政治经济学规范基础的挑战？
摘要本文从行为经济学的观察开始，即偏好是内源性的，即它们是不稳定的，上下文依赖的，并且对适应过程开放。然后，它询问在具有内源性偏好的人们中，福利分析和规范经济学是否仍然是可能的。尤其是Viktor Vanberg和Carl Christian VonWeizsäcker的最新建议。在强调制度的观点时，两者都可以看作是派生自由主义的支持者，并且都声称他们的方法可以比保留在传统福利经济学的思维框架内的方法更连贯的方式处理内源性偏好问题。本文认为，主要强调信息提供对个人自治的重要性时，Vanberg的宪法政治经济学方法（CPE）低估了偏好内生性的综合性。虽然vonWeizsäcker的方法是对CPE框架的改进，但本文认为，它过于关注外部结构条件（即，人际影响之间的竞争），并忽略了对个人自动机构必要的内部代理能力的讨论。本文认为，对决策自主权的更为复杂的讨论导致了对规范经济学结果和过程自由的双重关注。结果自由使个人能够满足他们不断发展的偏好和过程自由，使他们能够批判性地反思自己的偏好和周围环境。
![arxiv：2503.09403v1 [cs.cv] 2025年3月12日](/simg/6\66d94d4e4d450610290325e5635779660833c4e1.webp)
arxiv：2503.09403v1 [cs.cv] 2025年3月12日
图像恢复（IR）由于现实世界中的复杂性而具有挑战性。虽然已经开发了许多专业和多合一的IR模型，但它们无法有效地处理复杂的混合降解。最新的方法可以修复和代理利用智能的，自主工作流以减轻此问题，但由于其资源密集型填充，他们的效果和效率低下，并且由于其资源密集型填充而遭受了较低的效率，以及无效的搜索和工具执行试验以实现令人满意的输出。在本文中，我们提出了Mair，这是一种新颖的方法来解决IR问题。我们提出了一个现实世界中的降级，将降解分为三种类型：（1）场景，（2）成像和（3）压缩，观察到这些压缩是在现实世界中依次发生的，并按照序列的顺序逆转它们。基于这个三阶段的恢复框架 - 梅尔（Mair）模仿了一个合作的人类专家团队，其中包括用于整体计划的“调度程序”和多个专门用于特定退化的“专家”。这种设计最大程度地减少了搜索空间和试验工作，改善了图像质量，同时降低了推理成本。此外，还引入了一种注册机制，以简化整合新工具。对合成和实地世界数据集进行的实验表明，提出的MAIR可以实现竞争性能，并提高了先前代理IR系统的效率。代码和型号将提供。