XiaoMi-AI文件搜索系统
World File Search SystemExplain
缺少免疫细胞可能解释了为何 COVID-19 疫苗保护作用会迅速减弱
乔恩·科恩是《科学》杂志的高级记者，获得了加利福尼亚大学圣地亚哥分校的科学写作学士学位。他擅长报道生物医学，重点关注传染病、流行病、免疫学、疫苗和全球健康。他在其他媒体上发表过大量文章，包括《纽约客》、《大西洋月刊》、《纽约时报杂志》和《冲浪者杂志》，同时还撰写了四本关于科学主题的非虚构书籍。科恩的文章曾两次入选《美国最佳科学与自然写作选集》（2008 年和 2011 年）。他的书籍和故事获得了美国国家科学院、美国国家科学作家协会、科学写作促进委员会、美国微生物学会、美国热带医学与卫生学会等机构的奖项。他凭借《艾滋病的终结？》获得了国家艾美奖。他联合创作的 PBS 新闻一小时系列节目，以及他因在 HBO 新冠疫苗纪录片《如何在疫情中生存》中扮演的角色而获得的第二项艾美奖。
你能给我解释一下人工智能吗？教师对人工智能的先入为主的概念
摘要 — 作为教师专业发展 (PD) 计划的起点，本研究全文调查了教师对人工智能 (AI) 的想法和预先概念。随着人工智能在社会中的重要性日益增加，它也正在进入 K-12 课程。然而，在这种背景下，不仅学生面临着新课题，他们的老师也是如此。绝大多数计算机科学教师在学习期间没有接触过人工智能，因此在教授人工智能方面面临着严峻的挑战。因此，教师无疑需要在人工智能领域进行专业发展。按照计算机科学原则专业发展 (PD4CS) 计划的战略，第一步是需要对与各自主题相关的内容知识进行广泛的描述。为此，我们对具有不同经验水平和不同计算机科学先前知识的教师进行了半结构化访谈，以了解人工智能教师会将哪些预先概念带入 PD 计划。在此基础上，结合从专家和人工智能参考书中收集的知识体系，确定教师所需的人工智能内容知识。使用基于 Mayring 文本分析的定性方法分析了半结构化访谈。为了应对编码者之间的低一致性，我们使用了 Campbell 和 Quincy 描述的方法。对编程先前知识的调查表明，这些知识对参与者的误解有显著影响。Bonar 和 Soloway 认为先前知识的差距是造成这种情况的原因之一。我们的研究结果表明，先前知识在人工智能领域也有类似的影响。这带来了一个问题，因为我们的参与者是教师，他们自己将成为人工智能讲师，可能会将某些误解传递给学生。因此，准确识别和描述教师的知识差距是提供合适且成功的专业发展计划的重要起点。索引术语——人工智能、K-12 计算机科学教育、教师专业发展
“让我解释一下！”：探索虚拟代理在可解释人工智能交互设计中的潜力
摘要虽然近年来人工智能研究领域受益于日益复杂的机器学习技术，但由此产生的系统却缺乏透明度和可理解性，尤其是对于最终用户而言。在本文中，我们探讨了将虚拟代理纳入可解释人工智能 (XAI) 设计对最终用户感知信任的影响。为此，我们基于一个简单的语音识别系统进行了关键字分类用户研究。通过这项实验，我们发现虚拟代理的集成可以提高用户对 XAI 系统的信任度。此外，我们发现用户的信任在很大程度上取决于用户代理界面设计中使用的模式。我们的研究结果显示出一种线性趋势，其中代理的视觉存在与语音输出相结合比单独的文本输出或语音输出产生更大的信任度。此外，我们分析了参与者对所呈现的 XAI 可视化的反馈。我们发现，增加虚拟代理的人性化和与虚拟代理的交互是如何改进所提出的 XAI 交互设计的两个最常见的提及点。基于这些结果，我们讨论了当前的局限性以及在 XAI 领域进一步研究的有趣主题。此外，我们为未来的项目提出了 XAI 系统中虚拟代理的设计建议。
大型语言模型如何解释用户所感知的业务流程？ ⋆
大型语言模型（LLM）接受了大量文本培训，以解释和生成类似人类的文本内容。他们正在成为实现自动企业愿景的重要工具，如今组织积极采用LLM来自动化其运营的许多方面。llms可能在未来的A-AVEN-AFMENT ADMENT业务流程管理系统（ABPMS）餐饮功能中发挥着重要作用。这样一个系统的功能是情况感知的解释性（SAX），它与生成因果关系且人性化解释的解释有关，这些解释考虑了发生的过程上下文。在本文中，我们介绍了为生成SAX解释而开发的SAX4BPM框架。SAX4BPM套件由一组服务和一个中央知识存储库组成。这些服务的功能是引起萨克斯解释的各种知识成分。这些成分之间的关键创新组件是因果关系执行视图。在这项工作中，我们将框架与LLM集成在一起，以利用其功能来合成各种输入成分，以改善SAX的解释。由于将LLM用于SAX，还伴随着一定程度的疑问，与其充分实现SAX的能力以及其幻觉的趋势以及缺乏固有的推理能力有关，我们对生成解释的感知质量进行方法论评估。为了实现这一目标，我们开发了指定的量表并进行了严格的用户研究。我们的发现表明，呈现给LLMS的输入有助于其性能的后卫，从而产生了萨克斯的解释，具有更好的忠诚度。对信任和好奇心的感知来调节这种改进。更重要的是，这种改进是以解释的可解释性为代价。
指定早期生活的时间表不可预测性有助于解释内在化和外在行为的发展
早期生活不可预测性与整个生命过程中的身心健康结局都相关。在这里，我们根据他们可能在儿童环境中引入可变性的时间表的不良经历：在短时间内（例如，小时，几天，几周）以及随机性与随机变化的变化在短时间内不断发展（例如，较长的时间尺度（例如，几个月，几年）和探索自动化和探索方式的发展效果，变化的变化都在不断发展的情况下进行了贡献。结果表明，9岁和15岁的外部行为以及15岁时的内在行为是通过分离在3至5岁时分离的随机性和波动性的模型来解释的。外部化和内在行为都与波动性特别相关，对外在行为的影响更大。这些发现是根据心理病理学的进化开发模型和不确定性学习的增强学习模型来解释的。
社会人口统计学因素中的空间模式在很大程度上解释了阿拉贡（西班牙）
指导卫生系统的预防和控制NCD，关注生活环境及其相关风险因素至关重要。所谓的卫生社会决定因素（SDH）（7）是最广泛的框架之一，这些框架结合了人们在流行评估中生活和成长的环境。根据Bhattacharya等。( 8 ), the underlying causes of NCDs at the community level should be considered as a “collateral damage” from the interaction between SDH at different levels, including individual characteristics (genetics, age, gender, ethnicity) and choices (habits and lifestyles), living circumstances (socioeconomic status, SES), geographical settings (rural or urban environments), but also the macroeconomic and political backgrounds, along与其他总体力量。
使用策略方法和信念来解释公共物品实验中的群体规模和 MPCR 效应
在本文中，我们理清了合作偏好和信念在解释公共物品博弈中的 MPCR 和群体规模效应方面的作用。为此，我们使用 ABC 方法，该方法将合作解释为合作态度和信念的函数。我们使用 Fischbacher 等人 (2001, FGF) 为小群体引入的激励兼容策略方法来衡量合作态度。但是，为了使策略方法在所有群体规模中都具有激励兼容性，我们需要一种可扩展到任何群体规模的策略方法。我们的可扩展策略方法以相等的概率选择条件和无条件贡献，在样本内和样本外的合作预测中表现良好，并且与 FGF 相比也表现良好。我们发现偏好类型在群体规模为 3 和 9 以及 MPCR 为 0.4 和 0.8 时相似。进一步比较群体规模为 3 和 30 的实验再次发现条件偏好的分布相似。通过使用 ABC 方法，我们表明，控制引发的偏好后，不同游戏中观察到的合作水平差异主要是由于信念的差异。JEL：C92，H41 关键词：公共物品、群体规模、MPCR、策略方法、ABC 方法、实验
社区水平的植物功能策略解释了热带海拔梯度的生态系统碳存储
。cc-by-nc 4.0国际许可（未获得同行评审证明），他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是此预印本版本的版权持有人，该版本发布于2025年2月8日。 https://doi.org/10.1101/2025.02.08.637226 doi：biorxiv preprint
建模2020年国际运输排放的监管变化有助于解释异常2023变暖
摘要。2023年夏天，即使考虑到易用的温室气体驱动的变暖趋势，温度也异常升高。在这里，我们证明了国际运输路线对硫酸盐排放的调节变化，这导致在2020年1月1日开始在国际运输期间释放的硫酸盐颗粒物的显着降低，这是去年每月表面温度异常的主要因素。我们通过在社区地球系统模型（CESM2）仿真中包括针对气候模型对抗项目6（CMIP6）开发的排放数据库的适当更改来做到这一点。由更新的CESM2模拟 + 0模拟的气溶胶终止效应。14±0。07 W m -2和0。08K±0。03 K与观察到辐射强迫和表面温度的观察一致，也表现出与观测数据集在发射变化的实施与变暖异常增加之间观察到的延迟相似的延迟。我们的发现重点介绍了考虑现实的近寿命气候变化，以供未来的气候预测（例如CMIP7），以提高对短期气候变化的了解和交流。