XiaoMi-AI文件搜索系统
World File Search SystemGP
OpenAI GPT-4.5系统卡
我们在烧烤评估中评估了GPT-4O，O1和GPT-4.5 [1]。此评估评估已知的社会偏见是否覆盖了模型产生正确答案的能力。在模棱两可的上下文中 - 正确答案是“未知”的，因为在提示中不足的信息（或明确的问题）可以清楚地获得答案，但提供了偏见的混杂因素 - GPT-4.5与GPT-4O相似。我们历史上已经报道了p（不是stereotype |未知），但是在这种情况下，它在解释性能方面的描述能力很小，因为所有提供的模型在模棱两可的问题数据集中的表现相对较好。O1通过在明确的问题上更频繁地提供正确的无偏见答案来胜过GPT-4O和GPT-4.5。
敏感性：在结构化的OMICS数据上利用生成的大语言模型来优化药物敏感性预测
摘要目的：癌细胞系的大量药物基因组学数据的快速积累为药物敏感性预测（DSP）提供了前所未有的机会，这是促进精度肿瘤学的关键先决条件。最近，生成的大语言模型（LLM）表明了自然语言处理领域（NLP）领域的各种任务的性能和概括。然而，药物基因组学数据的结构化格式对DSP中LLM的实用性提出了挑战。因此，这项研究的目的是多重的：适应结构化药物基因组学数据的及时工程，以优化LLM的DSP性能，评估LLM在现实世界DSP方案中的概括，并比较LLM的DSP性能与目前的Science-Science Baselines。方法：我们系统地研究了生成性预训练的变压器（GPT）作为四个公开基准药物基因组学数据集的DSP模型，这些模型由五种癌症组织类型的细胞系和肿瘤学和非综合药物进行分层。本质上，通过四个学习范式评估了GPT的预测格局在DSP任务中的有效性：零射击学习，几乎没有学习，微调和聚类预处理的嵌入。通过实施三个及时的模板（即指令，指导，预定，披肩）并将与药剂基因组相关的特征集成到提示中，为了促进GPT无缝处理结构化的药物基因组学数据，采用了域特异性新颖的及时工程。与最先进的DSP基准相比，GPT主张了卓越的F1性能我们验证了GPT在不同的现实世界DSP方案中的表现：跨组织概括，盲试和药物校园关联的分析以及顶级灵敏/抗性细胞系。此外，我们对GPT进行了比较评估，该评估是针对多个基于变压器的预验证模型和现有的DSP基准的。结果：在五个组织组的药物基因组学数据集上进行的广泛实验表明，微调GPT会产生最佳的DSP性能（28％F1增加，P值= 0.0003），然后群集预处理的GPT嵌入了GPT嵌入（26％F1增加，P-value = 0.0005），很少有gpt（I.但是，在零射击设置中的GPT具有很大的F1间隙，导致表现最差。在迅速工程的范围内，通过直接指导GPT有关DSP任务并诉诸简洁上下文格式（即指令 - 预备）来实现性能提高，从而导致F1性能增长22％；同时，从基因组学和/或分子特征衍生出的药物细胞线及时及格环境将F1得分进一步提高了2％。
palash dey - - CSE IIT kgp
[J7] Palash Dey，Neeldhara Misra和Yadati Narahari。“根据异常值在场的批准投票选择委员会的参数化二分法”。在理论计算机科学中，第783卷，pp。53–70，2019。关键字：投票，算法，批准投票，委员会选择，异常值，参数化复杂性，理论。备注：这项工作的初步版本出现在Proc中。第16届自治代理和多基因系统国际会议（AAMAS-17）。
基于GPT的工具对理解标准化段落的不同影响
由于大型语言模型（例如生成预训练的变压器模型（GPT））的能力迅速提高，基于人工智能（AI）的工具已在大规模的教育中输入。但是，经验数据在很大程度上缺乏AI工具对学习的影响。在这里，我们确定了使用随机的交叉跨界在线研究（n = 195）对标准化美国大学测试（ACT）衍生的标准化美国大学测试（ACT）衍生的段落的阅读理解的影响的影响。所研究的四个工具是AI生成的摘要，AI-AI-ADERING概述，问答导师Chatbot和Socratic讨论聊天机器人。与我们的预注册假设一致，我们发现AI工具的差异效应是基线阅读理解能力的函数。AI工具在较低的参与者中显着提高了理解力，并且在较高表现的参与者中的理解力显着恶化。在特定工具方面，苏格拉底聊天机器人的表现最低，而摘要工具则最大的表现会恶化。这些发现表明，尽管AI工具具有增强学习的巨大潜力，但毯子的实施可能会对较高表现的学生造成意想不到的伤害，呼吁谨慎和开发人员和教育工作者进一步实证研究。
医师对眼科研究的观点
要获取有关在医生中接受人工智能聊天机器人接受人工智能聊天机器人（Chatgpt; OpenAi，旧金山）的详细数据，一项调查探讨了医师关于在Ophthalmology中使用Chantgpt的反应。调查包括有关Chatgpt在眼科中应用的问题，诸如工作替换或自动化之类的未来问题，研究，医学教育，患者教育，道德问题和实践中的实施。一百九十九个眼科医生参加了这项研究。大约三分之二的参与者在眼科有15年或以上的经验。一百六十报告说他们已经使用了chatgpt。我们发现使用或不使用Chatgpt的年龄，性别或经验水平没有差异。ChatGpt用户倾向于将ChatGPT和人工智能（AI）视为眼科有用（P = 0.001）。用户和非用户都认为AI对于识别早期的眼病迹象，在治疗计划中提供决策支持，监测患者的进度，回答患者问题和安排预约很有用。用户和非用户都认为，在医疗保健中使用AI有一些问题，例如责任问题，隐私问题，诊断准确性，聊天机器人的信任，道德问题和信息偏见。使用Chatgpt和其他形式的AI的使用越来越多地被眼科医生接受。AI被视为改善患者教育，决策支持和医疗服务的有用工具，但人们对隐私和工作流离失所也有一些担忧，这些工具需要人类的监督。
chatgpt作为发明家
本研究的比较distionPractices和largelanguagemodel（LLM）的designPractice和绩效与48小时原型Hackathon中的研究生工程专业的学生有关，该数据集基于一个包含100多个原型的数据集。LLM通过指示执行其指示并提供客观反馈，自主产生的想法并在没有人类干预的情况下做出所有设计决策的两个参与者参加。LLM表现出与人类参与者相似的原型制作实践，并在六支球队中获得第二名，成功地设计并为功能原型提供了建筑说明。LLM的概念产生的cap质特别强。然而，LLM在面临小小的困难，为设计中增加了不必要的复杂性并经验丰富的设计固定时，过早地放弃了有前途的概念。由于模糊或不清楚的描述，LLM与参与者之间的沟通挑战，而LLM难以保持连续性和回答中的相关性。基于这些发现，提出了六个有关在设计过程中实施LLM之类的LLM的建议，包括利用它来构思，确保人类的监督来确保关键决策，促使其考虑替代方案，并在子系统级别进行特定和可管理的任务。
EAGP：无线传感器网络的能源感知八卦协议
摘要。在无线传感器网络（WSN）中，通常由具有资源限制的节点组成，利用效率的流程对于增强网络寿命以及因此，在超密集和异质环境中的可持续性（例如智能城市）至关重要。特别是平衡在这种动态环境中有效传输数据所需的能量，这对降低数据冗余性的交易构成了重大挑战，这是降低数据冗余性的交易，同时实现可接受的交付率是一个基本的研究主题。通过这种方式，这项工作提出了一种新的能源感知的流行病协议，该协议使用网络能量的当前状态来通过自我调整每个节点转发行为自我调整为渴望或懒惰的局部残留电池来创建动态分布拓扑。模拟的评估证明了其在能耗，输送率和计算负担下的效率与经典八卦协议以及定向协议相比。
012542/eu xxviii。 GP
a。专门为虚拟弹药设计的枪支，无法放电弹药； b。专门设计的枪支旨在发射没有高爆炸费或通信链接的束缚弹丸，范围小于或等于500 m； c。使用非中心消防弹药弹药的武器，这些武器不是全自动射击类型的武器； d。 “停用枪支”。出于ML1的目的，技术说明。注释d。，“停用枪支”是一种枪支，无法按照欧盟成员国国家权力或瓦西纳安排参加州的国家权威定义的流程来发射任何弹丸。这些过程不可逆转地修改了枪支的基本要素。根据国家法律法规，可以通过主管当局提供的证书来证明枪支的停用，并且可以在枪支上通过基本部分上的邮票标记。