XiaoMi-AI文件搜索系统
World File Search SystemCIES
公平决策的结果主义方法
摘要。试图使算法公平，机器学习文献主要集中在跨种族或性别群体之间的决策，结果或错误率平等。要说明，请考虑一个假设的政府乘车计划，该计划为即将到来的法院日期提供的低收入人士提供运输援助。遵循这些文献，可以将游乐设施分配给每美元估计效果最高的治疗效果的人，同时将支出限制为在种族群体之间相等。然而，这种方法忽略了这种约束的下游后果，因此会造成意外伤害。例如，如果一个人群群体居住在远离法院的情况下，则执行平等的支出必然意味着提供的总乘车总数较少，并且可能会因失踪法院而受到更多惩罚的人。在这里，我们提出了设计公平算法的替代框架，该算法预示了决策的后果。在我们的方法中，首先引起了利益相关者在可能的决策和由此产生的结果的方面的偏好，例如平衡支出平价与法院出庭率的偏好。然后，我们在决策政策的空间中进行了优化，以最大化引起的公用事业的方式进行权衡。为此，我们开发了一种算法，以从数据中从数据中有效地学习这些最佳策略的算法，以提供大量表达效用功能。尤其是，我们使用上下文的强盗算法来探索poli cies的空间，同时在每个步骤求解凸优化问题，以根据可用信息估算最佳策略。这种后果主义范式促进了公平决策的更霍利斯的方法。
大世界假说及其对人工智能的影响
Sutton (2020) 认为世界很大而且很复杂，代理无法精确学习所有需要学习的东西。他建议采用函数近似来学习价值观、策略、模型和状态。Dong 等人 (2022) 从理论上研究了强化学习算法的性能，但没有对环境做出简化假设。他们的工作将重点从对环境做出假设转移到对代理的能力做出假设。Javed 等人 (2023) 通过实证研究了小型代理在大环境中的表现。他们发现，在大世界中，使用较少计算的近似算法可以胜过使用更多计算的精确算法。Kumar 等人 (2023) 表明，当代理受到计算限制时，持续学习是强化学习的必要元素。
Zanubrutinib作为首选治疗选择的兴起
简单的摘要：由于选择性提高和有利的毒性利润率，下一代Bruton的酪氨酸激酶抑制剂（BTKIS）正在替代ibrutinib，以治疗包括慢性淋巴细胞性白血病（CLL）在内的B细胞马利尼群岛（CLL）。虽然不同BTKI药物之间的效率可能相似，但毒性方面的毒性方面存在重要差异（包括较低的心血管并发症发生率），这些毒性有利于选择第二代BTKIS，例如Zanubrutinib。在国家综合癌症网络（NCCN）指南和德国CLL治疗算法中的最新信息以及食品和药物管理局（FDA）和欧洲药品局（EMA）的批准支持Zanubrutinib，这是对治疗和重新治疗/拒绝/顽固性CLL患者的首选选择。
复杂晶粒边界局部振动的直接可视化
晶界 (GB) 中的局部原子排列与边界晶粒中的局部原子排列不同，以便能够调节相应晶格的取向误差。[1–8] 从结构上讲，局部排列包括沿边界重复的位错核和结构单元。从化学上讲，位错核和其他结构单元并不总是化学计量的，甚至可能具有复杂性。[9] 总之，GB 和晶粒的化学和结构差异导致局部 GB 振动，这在许多领域都引起了人们的兴趣。例如，在热传输 [4–7,10] 和红外光学中，[4,8] 声子频率和寿命决定了材料响应的关键方面。此外，局部振动的变化可以显著改变功能材料的自由能景观 [11–13] 或增加熵对自由能的贡献并影响相变。[14–16]
垂直农业：从基因改造到环境改造
该系统具有通用性，为以有用的效率引入点突变和小插入/缺失提供了几乎无限的可能性，而无需共同传递修复模板。该系统的进一步改进应侧重于提高主要编辑效率，主要通过测试不同的 RT 和 pegRNA 设计。为了克服编辑窗口的限制，使用具有不同 PAM 要求的不同 Cas 蛋白将允许将复合物带到正确的位置以引入所需的修改。此外，需要详细分析该技术在植物中的特异性，并与其他可用的植物基因组修饰方法在脱靶编辑方面进行比较分析。最后，为了提高主要编辑技术的多功能性，有必要改进引入的插入/缺失的大小并减少编辑副产物。
通过人工智能增强网络安全：风险、...
Joshua A. Kroll，海军研究生院 James Bret Michael，海军研究生院 David B. Thaw，匹兹堡大学 保持对防御和人类的不对称优势的攻击仍然是主要的控制点。我们提供了评估人工智能对网络安全影响的问题分类。人工智能部署的最新进展应被视为丰富的社会技术系统，而不仅仅是技术工具。增加规模、复杂性和范围在评估其行为时，必须包括人员、政策和交互，这些任务可以有意义地自动化，包括与网络安全相关的任务。在该上下文中定位特定工具。这种系统框架提供了 A
通过证据深度学习解开的异常电动物理
超越标准模型（BSM）计算和参数化的不断增长的生态系统已经开发了在广泛的可能模型上制造定量跨案例的系统方法，尤其是具有可控的不确定性。在本演讲中，我们强调了不确定性量化语言（UQ）如何提供有用的指标来评估BSM和相关模型之间的统计重叠和差异。我们利用了近期的机器学习（ML）发展中的深度学习（EDL）来使UQ在模型歧视环境中分离数据（aletoric）和知识（认知）不确定性。我们构建了几种潜在的BSM动机场景，用于与深度无弹性散射中的核子的异常电子相互作用（AEWI）相互作用（AEWI）（aewi），并将其定量地映射为与CT18 PDF的蒙特卡洛复制品一起示范，用于驱动CT18 PDF。