XiaoMi-AI文件搜索系统
World File Search SystemKwon
hetegen：在资源约束设备上对大语言模型的异质平行推断
模型压缩（Dettmers等人，2022; Xiao等。，2022; Frantar等。，2022）压缩参数权重以减少参数存储器的位宽和低级操作，包括KV-CACHE管理（Kwon等人，2023年）和融合的注意内核（Dao等人，2022b）已提出通过系统选择来减少记忆使用量。但是，他们节省内存的能力仍然远非预期。零下载（Ren等人，2021; Aminabadi等。，2022b）提议将未使用的参数卸载到CPU内存和磁盘上，以大大降低内存成本，但它导致速度明显损失。flexgen（Sheng等人，2023）通过计算CPU中的注意力和计算重叠I/O中的注意力，改善了大批次推理的卸载吞吐量。但是，FlexGEN对CPU和I/O资源的利用仍然有限，并且不会有效地减少稀疏输入的延迟。
引用Liu P，Shang J，Qi Z，Qiu S，Lai X，Shi L，Shi L，Zhang Z，Li M和Yang L（2024），深链脊椎炎与心血管疾病的关联
心血管疾病（CVD）包括影响心脏和血管系统的多种疾病（Tsao等，2022）。遗传因素和环境因素都可能在CVD的发展和发展中起作用。尽管在诊断和治疗这些疾病方面取得了进步，但CVD仍然是全世界死亡率和残疾的主要原因（Roth等，2020）。鉴于严重的社会和临床后果，对CVD的危险因素的早期识别和干预对于降低发病率和死亡率至关重要（Roger等，2020）。值得注意的是，一些研究表明，强直性脊柱炎和CVD之间可能存在关联（Ding等，2022； Kwon等，2022）。强直性脊柱炎（AS）被分类为一种自身免疫性疾病，导致骨骼重塑和脊柱僵硬（Toussirot，2021）。先前的研究尚未确定在AS患者中确定CVD的风险。一些研究表明是CVD的独立危险因素（Setyawan等，2021; Kwon等，2022），但已经发布了冲突的结果（Tsai等，2015），这些关系是否是因果关系，其方向性是否仍然不清楚。最近，大型荟萃分析表明，CVD合并症在AS中很常见，提供了关联的关键证据并引起了显着的关注（Zhao等，2020）。由于混杂因素的潜在局限性和当前观察性研究中的因果关系的逆转，因此迫切需要使用强大的研究方法探索AS和CVD之间的因果关系。孟德尔随机化（MR）是一种研究方法，它利用与利益暴露作为工具变量（IVS）相关的遗传变异来推断暴露与疾病后果之间的联系（Burgess和Thompson，2015年）。孟德尔随机分析（MR）分析与常规观察性研究相比，由于在受孕的遗传变异的随机分配而与常规观察性研究相比，在疾病发作之前，与常规观察性研究相比，较不容易受到混淆，反向因果关系和测量误差（Lawlor等人，2008年； Yarmolinsky等人，2019年）。在评估行为暴露，教育程度，社会经济地位和各种疾病之间的各种因果关系中，已经证明了MR研究的适用性（Tillmann等，2017； Harrison等，2020）。此外，先前的MR探索已经审查了AS中风的因果关系（Mei等，2022）和心房效果（Chen等，2022）。尽管如此，这些努力主要集中在特定形式的CVD上。因此，我们的研究参与了MR设计，以确定AS和CVD之间存在因果关系的存在，从而为主要预防CVD提供了科学基础。
早期生活压力，情感和青少年物质使用之间的联系中的神经内分泌机制：一种研究性别和性别差异的概念模型
Yinghan zhu 1 , norihide makusa 1 , Joaquim Radua 2 , Philipp G. Sämann 3 , Paolo fusus-poli 4,5 , Ingrid Agartz 6,7,8,9 , ole A. Andreasssen 8,9 Xiao Chen 12,13 , SUNAH CHOI 14 , Cheryl M. Corcoran 15,16 , Bjørn H. Ebbrup 17,18，Adriana Fortea 19，Ranji RG。20 , Birte yding Glenthøj 17,18 , Louise Biredal Glenthøj 21 , Shalaila S. Haas 15 , Holly K. Hamilton 2,2 26,27,28 , Naoyuki kadangri 29 , Minah Kim 30,31 , Tyle D. Kristensen 17 , Jun Soo kwon 14,30,31 , STEPHEN M. LABEDEVA 33 , RAMYEL , RAMYEL ，Rathother，Rachel L. H. Mathalon 22,23，Philip McGuire 36 36 36 36，Romina Mizrahi 37，Masifami Mizono 38，PaulMøller39，Takahiro Nemoto 29，Dort Nordholm 21，Dort Nordholm 21，MaryA.Røssberg9 Sababanashi 44,45 , Lukasz Smigielski 25,46 , GISELla Sugranyes , Jinsong Tang 48,49 , Anastasia Theodoridou 25 , Alexander S. Tomyshev 33 , Peter J. Uhlhaas 50,51 , Tor G. Væunnes 9,52 , Therese A. J. Van 8,9,55 , Juan H. Zhou 56,57 , Paul M. Thompson 58，Dennis Henaus 53，Maria Jalbrzikwski 10,59，Shinsuke Coike20 , Birte yding Glenthøj 17,18 , Louise Biredal Glenthøj 21 , Shalaila S. Haas 15 , Holly K. Hamilton 2,2 26,27,28 , Naoyuki kadangri 29 , Minah Kim 30,31 , Tyle D. Kristensen 17 , Jun Soo kwon 14,30,31 , STEPHEN M. LABEDEVA 33 , RAMYEL , RAMYEL ，Rathother，Rachel L. H. Mathalon 22,23，Philip McGuire 36 36 36 36，Romina Mizrahi 37，Masifami Mizono 38，PaulMøller39，Takahiro Nemoto 29，Dort Nordholm 21，Dort Nordholm 21，MaryA.Røssberg9 Sababanashi 44,45 , Lukasz Smigielski 25,46 , GISELla Sugranyes , Jinsong Tang 48,49 , Anastasia Theodoridou 25 , Alexander S. Tomyshev 33 , Peter J. Uhlhaas 50,51 , Tor G. Væunnes 9,52 , Therese A. J. Van 8,9,55 , Juan H. Zhou 56,57 , Paul M. Thompson 58，Dennis Henaus 53，Maria Jalbrzikwski 10,59，Shinsuke Coike
2023诉讼巴尔的摩，马里兰州
背景和目的。人工智能（AI）代理商越来越多地采用零售商在购物期间和在线购物期间为客户提供帮助（Kwon等，2018）。拟人化AI代理可以像用户一样像人类一样，并影响人类剂的相互作用（Yang等，2021）。AI代理人的拟人化设计线索可以分为三个维度：人类身份，言语提示和非语言提示（Goetz等，2003； Seeger等，2021）。这些拟人化设计提示可以增加感知的拟人化（Seeger等，2021）。例如，类似人类的脸和声音使更多的拟人化AI代理并增加了社会反应（Waytz等，2014）。AI代理人的拟人化言语和视觉提示（Zhang＆Rau，2022），社会特征（Chaves＆Gerosa，2021年）以及人类的身份和行为（Goetz等，2003）可能会影响他们的人性人性，从而影响他们与使用者的相互作用。消费者的购物经验包括情感，认知和社会经验（Barari等，2020）。这篇概念性论文旨在概念化AI代理人的拟人化提示与消费者购物体验的三个维度之间的关系。
无弹性市场假说 Xavier Gabaix Ral
我们感谢 Ehsan Azarmsa、Aditya Chaudhry、Antonio Coppola、Zhiyu Fu、Dong Ryeol Lee、Hae-Kang Lee、Simon Oh 和 Lingxuan Wu 提供的出色研究协助。我们感谢 Francesca Bastianello、Jean-Philippe Bouchaud、Michael Brandt、John Campbell、Francesco Franzoni、Robin Greenwood、Valentin Haddad、Lars Hansen、Sam Hanson、John Heaton、Tim Johnson、Arvind Krishnamurthy、Spencer Kwon、John Leahy、Hanno Lustig、Alan Moreira、Knut Mork、Toby Moskowitz、Stefan Nagel、Jonathan Parker、Lasse sen、Joel Peress、Jean-Charles Rochet、Ivan Shaliastovich、Andrei Shleifer、Jeremy Stein、Johannes Stroebel、Larry Summers、Adi Sunderam、Jean Tirole、Harald Uhlig、Dimitri Vayanos、Motohiro Yogo 以及各个研讨会的参与者的评论。 Gabaix感谢斯隆基金会的资金支持。 Koijen 承认获得了芝加哥大学布斯商学院证券价格研究中心的资金支持。本文表达的观点为作者的观点，并不一定反映美国国家经济研究局的观点。
确定部分甲基化结构域在
（1）牧师W. A。; Kwon，S。Y.胎盘表观基因组的独特方面及其出现的理论。细胞摩尔生命科学2022，79（11），569。doi：10.1007/s00018-022-04568-9（2）Janssen，S.M。; Lorincz，M。C.发育和疾病中染色质标记之间的相互作用。nat Rev Genet 2022，23（3），137-153。doi：10.1038/s41576-021-00416-X（3）Maltepe，E。; Fisher，S。J。胎盘：被遗忘的器官。Annu Rev Cell Dev Biol 2015，31，523-552。doi：10.1146/annurev- Cellbio-100814-125620（4）Greenberg，M。V. C。; Bourc'his，D。DNA甲基化在哺乳动物发育和疾病中的不同作用。nat Rev Mol Cell Biol 2019，20（10），590-607。doi：10.1038/s41580-019-0159-6（5）Albert，J.R。; Urli，t。; Monteagudo-Sánchez，A。;布雷顿，A。L。； Sultanova，A。； David，A。；舒尔茨（M。）； Greenberg，M。V. C. DNA甲基化在从幼稚的多能中退出期间塑造了多肉状景观。Biorxiv 2023，2023.2009.2014.557729。doi：10.1101/2023.09.14.557729
具有双V形磁铁结构的永久磁体同步电动机的动态等效磁网络模型和驱动系统
等效磁网络（EMN）方法似乎是电动机中磁场的一种更有效的分析方法，比等效磁路方法（EMC）[11]和比有限元方法（FEM）相比，相结合了更高的计算精度和更快的计算速度。W. Shi等。研究了具有V形磁铁结构的PMSM的EMN，该结构可以准确计算磁场分布并模拟电动机的抗磁力化能力[12]。J. Zhang等。 提出了双层磁铁结构永久磁铁同步不情愿电动机，并建立了其EMN模型，该模型可以准确计算电动机的气隙通量密度分布，并用于转子结构的设计和优化[13]。 尽管如此，[12]和[13]中的EMN模型不可用于计算绕道通量，电动力（EMF）和扭矩波形以及转子旋转。 然后，介绍了根据转子位置修改EMN在定子和转子之间的连接的动态EMN模型，以解决此问题。 H. Kwon等。 研究并建立了具有表面无磁体结构的PMSM的动态EMN模型，该模型可以获得与FEM相似的磁场计算结果[14]。 G. Liu等。 研究了具有单层V形磁体结构的PMSM的动态EMN模型。 其正确性通过FEM和实验验证[15]。 但是，在本文中对拟议的DVMPMSM的动态EMN模型没有相关的研究。J. Zhang等。提出了双层磁铁结构永久磁铁同步不情愿电动机，并建立了其EMN模型，该模型可以准确计算电动机的气隙通量密度分布，并用于转子结构的设计和优化[13]。尽管如此，[12]和[13]中的EMN模型不可用于计算绕道通量，电动力（EMF）和扭矩波形以及转子旋转。然后，介绍了根据转子位置修改EMN在定子和转子之间的连接的动态EMN模型，以解决此问题。H. Kwon等。研究并建立了具有表面无磁体结构的PMSM的动态EMN模型，该模型可以获得与FEM相似的磁场计算结果[14]。G. Liu等。研究了具有单层V形磁体结构的PMSM的动态EMN模型。其正确性通过FEM和实验验证[15]。但是，在本文中对拟议的DVMPMSM的动态EMN模型没有相关的研究。在[16]中，动态EMN模型用于表面安装的PMSM的多目标优化，这对电动机的快速设计有益。
思考经济，深或浅薄？*
* We thank Peter Andre, Adrien Bilal, John Campbell, Juanma Castro-Vincenzi, Gabriel Chodorow- Reich, Ben Enke, Xavier Gabaix, Thomas Graeber, Sam Hanson, Oleg Itskhoki, Baiyun Jing, Spencer Kwon, David Laibson, Chen Lian, Avi Lipton, Hugo Monnery, Matthew Rabin, Chris Roth, Karthik Sastry, Josh Schwartzstein, Dmitriy Sergeyev, Andrei Shleifer, Stefanie Stantcheva, Jeremy Stein, Ludwig Straub, Adi Sunderam, Alireza Tahbaz-Salehi, Chris Tonetti, Chris Wolf, and seminar participants at Harvard for their helpful comments.我们感谢Sam Cohen的研究援助和Roberto Colarieti在调查设计方面的帮助。该研究获得了哈佛大学（IRB22-1403，IRB24-0959）的IRB批准。我们感谢Michael S. Chae宏观经济政策基金和莫莉和多米尼克·费兰特基金会的财政支持，均通过哈佛授予。Wu感谢Alfred P. Sloan基金会通过NBER授予的行为宏观经济学博士学位前奖学金的支持。†哈佛大学，pierfrancescomei@g.harvard.edu，https：// www.pierfrancescomei.com。‡哈佛大学，lingxuanwu@g.harvard.edu，https：// www.lingxuanwu.me，通讯作者。
：一个新的范式带来了希望
我们正遇到前所未有的心理健康危机。在过去的二十年中，这场危机源于一场完美的保险自付额，社会压力升高，共同的19日大流行以及重要的劳动力意义的风暴。也许没有比创伤后应激障碍（PTSD）更有效率治疗选择的精神健康领域，因为24年前的FDA批准了最后一种新的治疗方法（Davis and Hamner，2024）。用于扩展服务的研究和公共资源的资金不足可能部分源于妇女和处境不利的人群中PTSD的过度流行。妇女在男性（美国退伍军人a i Q，2023年）中经历了PTSD的两到三倍，在非洲裔美国人，拉丁美洲人，美洲原住民和无家可归者（Tortella-Feliu et al。，2019; Kwon et al。，2019; Kwon et al。，2024; 2024; 2023; armaon et arm anm arm arm arm anm ar arm anm rec rece; re。邻里贫困还可以预测创伤事件后PTSD的发展（Ravi等，2023）。我们的创伤负担在整个社会中分配不均。创伤很普遍。国家PTSD中心估计，美国有超过1300万人从PTSD中获得了5％的人口，但在任何给定年份中被诊断出来（美国退伍军人局，2023年）。2018年，美国的年度成本估计为2320亿美元（估计为19,630美元）（Davis等，2022）。退伍军人作为一个小组报告的高水平创伤。对于我们的社会而言，人类免于创伤是巨大和不可否认的。根据国家PTSD国家中心的说法，获得退伍军人管理服务的23％被诊断为PTSD（美国退伍军人Auts Arss，2023年）。自杀，通常与创伤和PTSD有关，现在已成为我们武装部队服役人员的主要死亡原因（Kaplansky and Toussaint，2024年）。然而，我们目前的治疗不足（Smith等，2024）。以创伤为重点的心理疗法（TFPT）是对PTSD的最佳意识干预措施，它们通常是第一线（Schrader and Ross，2021）。但是，只有约50％的患者完成治疗方案，而这样做的患者的反应率约为50％（Schottenbauer等，2008）。tfpts（Kline等，2021）（Finch等，2020）。即使是高质量的TFPT，患者也经常拒绝考虑这种选择，因为以这种方式面对创伤也极为痛苦（Schottenbauer等，2008）。我们所指示的药物，例如在1990年代初获得的首次批准的舍曲林和帕罗西汀，这在很小的效果上是有效的，这是由小效应的大小（0.28和0.23和0.23）（Hoskins等人，2015年，2021年）所证明的，并且经常与侧面负担。PTSD护理中创新的需求感到至关重要。
非攻击性冠状动脉斑块的进展
gianluca pontone 1,2·Alexia Rossi 3,4·Andrea Baggiano 1·Daniele Andreini 1,5·Edoard 7·Marco Guglielmo 1·Giuseppe Muscogiuri Muscogiuri 1·saima Mushtaq 1·saima Mushtaq 1·MotOult J.MOUGAH S. 10·Filippo Cademartiri 11·Kavitha Chinnaiyan 12 Jung Hyun Choi 13·Eun Ju Chun 14·Pedro dearújoGonçalves15,16·ilan Gottlieb 17·Martin Hadamitzky 18·Yong Jin Kim 19·Yong Jin Kim 19·Yong jin Kim byoun byun lee lee lee 20·lee 21 21 23 · Hugo Marques 15 · Habib Samady 24 · Sanghoon Shin 21 · Ji Min Sung 22,25 · Alexander Van Rosendael 26 · Renu Virmani 27 · Jeroen J. Bax 28,29 · Jonathon A. Leipse 30 · Fay Y. Lin 26 · James K. Min 31 · Jagat Narula 32 · Leslee J. Shaw 26 · Hyuk -Jae Chan 22,25